您现在的位置是：网站首页>游戏游戏

线上电玩城推币机下载

李冰兰 2025-05-14 【 游戏】 7011 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❸，老黄天塌了⑱。

全球首个分布式RL训练模型INTELLECT-2发布①，它仅通过整合全球闲置或分散的计算资源▓，就完成了模型的强化学习训练⑩，训练成本大大降低⑪。

其模型性能与DeepSeek-R1媲美①！

一旦范式成立①，这也就意味RL训练摆脱了对集中式算力的依赖▓，世界上任何一个人都可以参与到模型训练当中②，大公司垄断算力时代可能就此终结⑥。

Just like this~算力来算力来⑥，算力从四面八方来①。

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⑬，还有不少大佬愿意投钱⑨，包括不限于Karpathy大神⑩、FlashAttention作者Tri Dao大神❶、HuggingFace联创兼CEO Clem Delangue等等⑲。

据团队成员介绍⑭，他们从编写模型强化学习框架prime-rl❸，到今天发布大概只用了两个月时间

目前基础设施已到位❸，并且经过验证▓，超过那些先进实验室只是时间问题⑰。

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⑲。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑩，只需简单注册就可以使用⑭。与其他通用助手页面类似差不多⑬，不过输入仅支持文本⑤。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑭？

在推理思考了几秒钟之后⑳，它给出了答案⑮，首先强调了这是首个去中心化RL训练的超大规模模型⑥，其次还有强化学习训练⑨、参数规模与性能的平衡❷、数据隐私安全与社区驱动等特点②。

回答基本OK④，那直接来上点难度：

一个外星人来到地球后⑤，第一天有相等的可能选择以下四件事中的一件完成：1⑮，自我毁灭⑲；2❸，分裂成两个外星人⑯；3⑩，分裂成三个外星人❷；4⑨，什么都不做②。

此后每天⑲，每个外星人均会做一次选择⑥，且彼此之间相互独立⑱，求地球上最终没有外星人的概率

在思考了一会儿之后▓，回答是酱婶❸。

虽然格式有点乱⑪，但是最后回答正确⑧，而且是解析解⑩。o☆[BINGO!]❸。

如果昨天是明天就好了⑦，那么今天就是周五了⑨。 问：句子中的今天可能是星期几⑨？

可以看到基本能力有⑨，但现在还不是特别稳定⑱。像当你开始新对话时②，会碰到以下这种情况③。

已经有热心网友已经制作成了GGUF格式上传到HF❶。

分布式强化学习训练⑰、INTELLECT-2是一个分布式的大模型训练框架⑥，采用了全球分布式异步强化学习的范式①。

通俗讲②，INTELLECT-2就如同一个超大型的众包项目❷，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❸、并行地进行⑪，因此不同性能的设备可以同时参与▓，而不会相互影响①。

具体来说⑤，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❸；这些数据经过验证后汇集到中心⑬，用于更新模型策略④；更新后的策略再分发到每个节点⑩，开始新一轮迭代⑮。

在这套流程当中⑥，一共涉及了四大关键组件——

核心RL框架PRIME-RL⑪，实现推理数据生成与模型训练的解耦和异步进行②；

参数分发网络SHARDCAST⑭，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⑥；

推理验证协议TOPLOC②，验证每个推理节点提交数据的可信性⑧；

Protocol Testnet⑤，为不同学习任务构建独立算力资源池⑰，实现算力贡献和使用的去中心化管理⑩。

INTELLECT团队已将这四大组件全部开源⑲。

★核心RL框架PRIME-RL

PRIME-RL的核心⑤，是支持推理数据生成与模型训练的解耦与异步执行▓。

这种方式允许分散的推理节点按照自己的进度生成数据❸，无需彼此协调和等待①。

为了进一步提升性能和减小显存占用⑫，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时⑨。

另外还集成了FSDP技术对模型进行切片⑩。

FSDP将模型的参数和梯度按层切分到不同的GPU上①，每个GPU只负责一部分的计算和存储⑨。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑲，负责将更新后的模型权重广播给全球范围内的推理节点⑨。

在分布式强化学习中⑤，由于文件体积极大❷，而网络带宽资源良莠不齐⑤，模型权重的分发通常是一个难点⑰。

为了解决这个问题⑬，SHARDCAST引入了分片传输⑬、多级缓存⑤、智能调度等一系列优化技术⑥。

分片传输指的是将模型权重文件切分成多个小的分片❶，然后并行传输⑳。这种做法不仅能充分利用网络带宽⑫，降低传输延迟❶，还能提高传输的鲁棒性⑩，不会因为个别分片传输失败而造成整体重传③。

多级缓存是一种类似于CDN的传输模式⑨，具体来说⑰，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④。每当中心节点产生新的模型权重⑧，它首先将权重文件推送到这些中继服务器③。

这样一来⑳，推理节点就可以就近从中继服务器拉取权重文件⑲，而不是直接从中心节点获取⑨，可以有效缓解中心节点的网络I/O压力▓。

另外⑬，与普通的被动响应式传输不同⑱，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑤，当发现版本落后时①，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❶。

同时⑧，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⑧，选择最优的分发路径⑯。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol⑫，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑮。

其目的是确保每个推理节点提交的数据可信▓，避免恶意节点通过提交虚假数据来破坏模型训练⑪。

TOPLOC通过密码学证明和可验证计算等技术实现⑦，可以概括为Proof生成和Proof检查两个主要步骤⑪。

Proof生成是指当一个推理节点完成一组推理任务后⑲，不仅要将生成的轨迹数据提交给中心节点❷，还要附带提交一个密码学proof⑪。

这个proof证明了所提交的数据确实是由特定版本的模型⑫、特定的输入❶、特定的随机数种子生成的⑰，其生成基于安全哈希算法③，确保了proof与推理过程绑定①。

中心节点在收到推理数据和proof后⑤，会定期抽查部分数据的可信性⑥。验证节点首先会重放推理节点的模型prefill⑦，然后将计算得到的中间状态与proof进行比对⑯。

为了降低开销⑧，推理节点只需提交关键的中间状态❶，而非完整的计算过程❶；验证节点也只需重放部分关键路径⑪，而不是全盘重做⑳。

Protocol Testnet是INTELLECT-2的底层基础设施⑳，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⑪。

它将不同类别的人工智能训练任务组织成独立的计算域⑮，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❷、贡献和信誉值③。

每个计算域对应了一种特定的训练任务❸，如语言模型预训练③、多模态对齐⑰、强化学习等⑭。

针对一个特定的训练任务③，开发者会在Testnet上注册一个新的计算域④，计算域定义了任务的相关属性和协议规范⑧。

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❶。每个节点在加入时⑤，③，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⑱。

当一个计算域有新的训练任务需要执行时⑳，Testnet的任务调度服务会根据各节点的算力特征和网络状况❷，将任务分发到合适的节点上⑧。节点按照任务要求④，执行计算并生成结果⑤。

节点生成的计算结果需要经过验证▓，以确保其可信性⑫，对于通过验证的结果⑥，节点的贡献度会被记录在去中心化账本上❸，作为后续奖励分配的依据④。

服务支持：在整个任务执行过程中②，Testnet还提供了节点发现③、健康监控③、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②，保障分布式网络的稳定运行⑥。

★更多训练细节⑧、另外在训练过程中⑧，INTELLECT2还采用了两步异步强化学习的模式⑦，也就是权重的广播与正在进行的推理和训练完全重叠⑱，从而消除了通信瓶颈⑩。

以及双面GRPO剪辑⑲，通过使用双面标记概率比剪辑来缓解梯度尖峰⑱，从而使训练更加稳定❶。

数据方面⑯，INTELLECT2采用了来自NuminaMath-1.5②、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑯，并结合离线和在线过滤来选择具有挑战性的任务⑩，显着提高了模型学习效率❷。

★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-LONG⑬，分别对应短目标长度和长目标长度的训练设置⑳。

TARGET-SHORT：随着训练的进行⑱，任务奖励显着提高❷，长度惩罚有所下降▓；

TARGET-LONG：任务奖励同样大幅提升⑲，长度惩罚也呈下降趋势⑪，但在实验的有限时间内尚未完全收敛⑮，模型还未完全学会严格遵守思考预算⑫。

与基线模型QwQ-32B相比⑩，INTELLECT-2在数学和编程基准测试上的表现有所提升❷，但在IFEval上略有下降⑳，可能是因为训练只专注于数学和编程任务⑤。

在计算资源利用方面❷，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑨。在两个实验设置中⑩，SHARDCAST广播平均耗时14分钟▓，实现了约590Mb/s的带宽吞吐量⑦。

团队曾获Karpathy投资

INTELLEC-2背后的团队❶，名叫Prime Intellect▓，位于美国旧金山▓。

创始人兼CEO是Vincent Weisser⑳，来自德国⑬，之前参与过大量的创业项目⑩，Prime Intellect是他最新的创业成果⑤。

联创兼CTO Johannes Hagemann❸，德国Hasso Plattner研究所硕士❶，本科毕业于多特蒙德工业大学②。

CEO Weisser担任核心成员的创业项目VitaDAO④，Hagemann曾出任策略顾问①。

创始工程师Jannik Straube⑲，慕尼黑工业大学硕士⑰，之前曾在IBM工作⑫。

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-1⑮，第一个在分散式基础设施上训练的10B参数模型⑤；

METAGENE-1⑲，用于早期流行病检测和全球健康应用的生物模型⑥；

INTELLECT-MATH❸，使用RL训练的数学推理模型⑥。

另外❶，基于分布式强化学习⑧，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1▓。

今年2月⑥，Prime Intellect团队获得了1500万美元的新投资❶，用来构建点对点AI协议⑰。

这笔投资由创始人基金领衔①，投资者中还包括大神Karpathy⑬、Hugging Face联创兼CEO Clem Delangue⑯、FlashAttention作者Tri Dao⑮、Stability AI前CEO Emad Mostaque等AI界名人②。

加上之前已有的资金⑤，Prime Intellect团队获得的总资金超过了2000万美元⑦。

在接下来的计划当中⑭，Prime Intellect将进行提高推理-训练计算的比例⑧，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⑩。

宏观方面▓，团队也将扩大计算市场⑥，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⑲。

很赞哦⑨！

随机图文