您现在的位置是：网站首页>汽车汽车

南邓wofa688耀龙电玩城怎么下载

卢忆山 2025-05-14 【 汽车】 6817 人已围观

白交 克雷西 发自 凹非寺量子位 | 公众号 QbitAI

一夜之间⑪，老黄天塌了⑱。

全球首个分布式RL训练模型INTELLECT-2发布❸，它仅通过整合全球闲置或分散的计算资源⑬，就完成了模型的强化学习训练②，训练成本大大降低❶。

其模型性能与DeepSeek-R1媲美⑯！

一旦范式成立❸，这也就意味RL训练摆脱了对集中式算力的依赖⑰，世界上任何一个人都可以参与到模型训练当中❷，大公司垄断算力时代可能就此终结⑲。

Just like this~算力来算力来④，算力从四面八方来⑦。

此模型版本有19个人/机构提供了

力资源支持

除了贡献算力⑫，还有不少大佬愿意投钱②，包括不限于Karpathy大神②、FlashAttention作者Tri Dao大神③、HuggingFace联创兼CEO Clem Delangue等等⑥。

据团队成员介绍⑪，他们从编写模型强化学习框架prime-rl⑰，到今天发布大概只用了两个月时间

目前基础设施已到位⑰，并且经过验证⑮，超过那些先进实验室只是时间问题⑲。

有人已经开始断言：未来的顶级开源模型将以分布式方式进行训练④。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑱，只需简单注册就可以使用▓。与其他通用助手页面类似差不多②，不过输入仅支持文本⑦。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑱？

在推理思考了几秒钟之后⑱，它给出了答案⑤，首先强调了这是首个去中心化RL训练的超大规模模型⑭，其次还有强化学习训练⑦、参数规模与性能的平衡③、数据隐私安全与社区驱动等特点②。

回答基本OK⑨，那直接来上点难度：

一个外星人来到地球后⑰，第一天有相等的可能选择以下四件事中的一件完成：1❸，自我毁灭⑮；2⑨，分裂成两个外星人⑬；3⑬，分裂成三个外星人❸；4❸，什么都不做▓。

此后每天⑱，每个外星人均会做一次选择③，且彼此之间相互独立④，求地球上最终没有外星人的概率

在思考了一会儿之后❷，回答是酱婶⑬。

虽然格式有点乱⑦，但是最后回答正确⑥，而且是解析解⑦。o☆[BINGO!]⑰。

如果昨天是明天就好了⑱，那么今天就是周五了⑮。 问：句子中的今天可能是星期几①？

可以看到基本能力有①，但现在还不是特别稳定②。像当你开始新对话时⑭，会碰到以下这种情况⑫。

已经有热心网友已经制作成了GGUF格式上传到HF②。

分布式强化学习训练①、INTELLECT-2是一个分布式的大模型训练框架❸，采用了全球分布式异步强化学习的范式⑫。

通俗讲③，INTELLECT-2就如同一个超大型的众包项目⑦，任何拥有闲置算力资源的人都可以参与其中⑪。“异步”则是指不同阶段可以独立⑮、并行地进行⑤，因此不同性能的设备可以同时参与⑬，而不会相互影响⑩。

具体来说⑯，系统会利用全球贡献者提供的异构算力在本地生成推理数据⑧；这些数据经过验证后汇集到中心⑪，用于更新模型策略⑧；更新后的策略再分发到每个节点⑤，开始新一轮迭代④。

在这套流程当中⑯，一共涉及了四大关键组件——

核心RL框架PRIME-RL⑥，实现推理数据生成与模型训练的解耦和异步进行⑥；

参数分发网络SHARDCAST⑯，负责将更新后的模型参数高效分发给全球各地的推理节点⑬；

推理验证协议TOPLOC⑦，验证每个推理节点提交数据的可信性⑭；

Protocol Testnet③，为不同学习任务构建独立算力资源池⑤，实现算力贡献和使用的去中心化管理⑥。

INTELLECT团队已将这四大组件全部开源⑪。

★核心RL框架PRIME-RL

PRIME-RL的核心⑦，是支持推理数据生成与模型训练的解耦与异步执行⑰。

这种方式允许分散的推理节点按照自己的进度生成数据⑤，无需彼此协调和等待③。

为了进一步提升性能和减小显存占用⑪，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时❸。

另外还集成了FSDP技术对模型进行切片⑭。

FSDP将模型的参数和梯度按层切分到不同的GPU上⑮，每个GPU只负责一部分的计算和存储⑦。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑱，负责将更新后的模型权重广播给全球范围内的推理节点⑲。

在分布式强化学习中⑥，由于文件体积极大⑬，而网络带宽资源良莠不齐⑥，模型权重的分发通常是一个难点⑯。

为了解决这个问题❸，SHARDCAST引入了分片传输⑯、多级缓存⑮、智能调度等一系列优化技术⑫。

分片传输指的是将模型权重文件切分成多个小的分片⑪，然后并行传输①。这种做法不仅能充分利用网络带宽❷，降低传输延迟⑤，还能提高传输的鲁棒性⑲，不会因为个别分片传输失败而造成整体重传⑱。

多级缓存是一种类似于CDN的传输模式③，具体来说❷，SHARDCAST在推理节点和中心节点之间引入了一层中继服务器作为缓存❷。每当中心节点产生新的模型权重⑦，它首先将权重文件推送到这些中继服务器④。

这样一来⑪，推理节点就可以就近从中继服务器拉取权重文件⑭，而不是直接从中心节点获取⑤，可以有效缓解中心节点的网络I/O压力❸。

另外❶，与普通的被动响应式传输不同▓，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑰，当发现版本落后时⑮，会主动将增量权重推送给节点⑱，确保了权重更新的实时性⑫。

同时❸，SHARDCAST还会根据网络拓扑和带宽状况⑳，动态调整传输策略和路由❶，选择最优的分发路径⑩。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol⑦，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑱。

其目的是确保每个推理节点提交的数据可信⑲，避免恶意节点通过提交虚假数据来破坏模型训练⑤。

TOPLOC通过密码学证明和可验证计算等技术实现⑭，可以概括为Proof生成和Proof检查两个主要步骤⑭。

Proof生成是指当一个推理节点完成一组推理任务后⑳，不仅要将生成的轨迹数据提交给中心节点⑮，还要附带提交一个密码学proof⑥。

这个proof证明了所提交的数据确实是由特定版本的模型❸、特定的输入⑮、特定的随机数种子生成的❷，其生成基于安全哈希算法⑬，确保了proof与推理过程绑定❸。

中心节点在收到推理数据和proof后①，会定期抽查部分数据的可信性⑰。验证节点首先会重放推理节点的模型prefill⑯，然后将计算得到的中间状态与proof进行比对⑨。

为了降低开销⑤，推理节点只需提交关键的中间状态❷，而非完整的计算过程⑪；验证节点也只需重放部分关键路径⑨，而不是全盘重做③。

Protocol Testnet是INTELLECT-2的底层基础设施⑩，为全球范围内的计算资源管理和任务调度提供了统一的接口和规范②。

它将不同类别的人工智能训练任务组织成独立的计算域⑫，每个计算域都有自己的资源池⑩，由去中心化的“账本系统”来管理节点的身份⑳、贡献和信誉值❷。

每个计算域对应了一种特定的训练任务⑯，如语言模型预训练⑤、多模态对齐①、强化学习等⑦。

针对一个特定的训练任务④，开发者会在Testnet上注册一个新的计算域▓，计算域定义了任务的相关属性和协议规范⑯。

全球范围内的算力提供者可以将自己的计算设备注册到Testnet的资源池中⑨。每个节点在加入时⑰，①，都需要在去中心化“账本”上生成一个唯一的密码学身份⑲，用于后续的贡献度记录和信誉管理⑩。

当一个计算域有新的训练任务需要执行时⑤，Testnet的任务调度服务会根据各节点的算力特征和网络状况⑤，将任务分发到合适的节点上⑤。节点按照任务要求⑭，执行计算并生成结果⑳。

节点生成的计算结果需要经过验证③，以确保其可信性⑩，对于通过验证的结果⑯，节点的贡献度会被记录在去中心化账本上⑥，作为后续奖励分配的依据⑨。

服务支持：在整个任务执行过程中①，Testnet还提供了节点发现⑲、健康监控⑲、日志管理等一系列配套服务⑯，以协助节点的管理和问题诊断❷，保障分布式网络的稳定运行⑳。

★更多训练细节▓、另外在训练过程中⑥，INTELLECT2还采用了两步异步强化学习的模式⑬，也就是权重的广播与正在进行的推理和训练完全重叠▓，从而消除了通信瓶颈⑧。

以及双面GRPO剪辑④，通过使用双面标记概率比剪辑来缓解梯度尖峰❷，从而使训练更加稳定⑳。

数据方面❸，INTELLECT2采用了来自NuminaMath-1.5①、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑭，并结合离线和在线过滤来选择具有挑战性的任务②，显着提高了模型学习效率④。

★QwQ-32B数学和代码性能提升

INTELLECT-2的实验主要包括两个部分——TARGET-SHORT和TARGET-LONG⑰，分别对应短目标长度和长目标长度的训练设置⑫。

TARGET-SHORT：随着训练的进行⑩，任务奖励显着提高③，长度惩罚有所下降❸；

TARGET-LONG：任务奖励同样大幅提升②，长度惩罚也呈下降趋势③，但在实验的有限时间内尚未完全收敛⑫，模型还未完全学会严格遵守思考预算⑧。

与基线模型QwQ-32B相比⑦，INTELLECT-2在数学和编程基准测试上的表现有所提升⑤，但在IFEval上略有下降⑰，可能是因为训练只专注于数学和编程任务⑩。

在计算资源利用方面⑰，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠▓。在两个实验设置中⑰，SHARDCAST广播平均耗时14分钟④，实现了约590Mb/s的带宽吞吐量⑲。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑦，名叫Prime Intellect⑧，位于美国旧金山⑪。

创始人兼CEO是Vincent Weisser▓，来自德国❷，之前参与过大量的创业项目❷，Prime Intellect是他最新的创业成果⑳。

联创兼CTO Johannes Hagemann❶，德国Hasso Plattner研究所硕士①，本科毕业于多特蒙德工业大学⑬。

CEO Weisser担任核心成员的创业项目VitaDAO⑩，Hagemann曾出任策略顾问④。

创始工程师Jannik Straube⑤，慕尼黑工业大学硕士⑦，之前曾在IBM工作❷。

在INTELLEC-2之前⑯，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1⑳，第一个在分散式基础设施上训练的10B参数模型⑨；

METAGENE-1⑫，用于早期流行病检测和全球健康应用的生物模型⑲；

INTELLECT-MATH⑤，使用RL训练的数学推理模型⑱。

另外⑨，基于分布式强化学习⑰，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑧。

今年2月⑤，Prime Intellect团队获得了1500万美元的新投资⑥，用来构建点对点AI协议⑲。

这笔投资由创始人基金领衔⑧，投资者中还包括大神Karpathy⑮、Hugging Face联创兼CEO Clem Delangue③、FlashAttention作者Tri Dao⑱、Stability AI前CEO Emad Mostaque等AI界名人⑨。

加上之前已有的资金⑲，Prime Intellect团队获得的总资金超过了2000万美元③。

在接下来的计划当中▓，Prime Intellect将进行提高推理-训练计算的比例⑦，为模型提供推理链中的内置工具⑤，以及融合独立训练的RL模型等一系列工作⑧。

宏观方面❷，团队也将扩大计算市场⑪，扩展去中心化训练⑭，并与开源和去中心化人工智能领域的其他领先项目开展合作⑫。

很赞哦②！

随机图文