您现在的位置是：网站首页>军事军事

hy电玩城秒下载秒兑换

任慕灵 2025-05-14 【军事】 6081 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②，老黄天塌了⑨。

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❷，就完成了模型的强化学习训练⑮，训练成本大大降低▓。

其模型性能与DeepSeek-R1媲美④！

一旦范式成立❶，这也就意味RL训练摆脱了对集中式算力的依赖②，世界上任何一个人都可以参与到模型训练当中⑩，大公司垄断算力时代可能就此终结⑱。

Just like this~算力来算力来②，算力从四面八方来❸。

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❸，还有不少大佬愿意投钱⑥，包括不限于Karpathy大神⑲、FlashAttention作者Tri Dao大神⑱、HuggingFace联创兼CEO Clem Delangue等等②。

据团队成员介绍❸，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⑪，并且经过验证⑥，超过那些先进实验室只是时间问题⑧。

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❶。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑮，只需简单注册就可以使用③。与其他通用助手页面类似差不多⑩，不过输入仅支持文本❸。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑮？

在推理思考了几秒钟之后⑰，它给出了答案⑧，首先强调了这是首个去中心化RL训练的超大规模模型▓，其次还有强化学习训练⑤、参数规模与性能的平衡⑪、数据隐私安全与社区驱动等特点⑤。

回答基本OK▓，那直接来上点难度：

一个外星人来到地球后❶，第一天有相等的可能选择以下四件事中的一件完成：1⑫，自我毁灭②；2⑥，分裂成两个外星人⑪；3⑨，分裂成三个外星人②；4⑫，什么都不做❸。

此后每天⑫，每个外星人均会做一次选择⑥，且彼此之间相互独立❸，求地球上最终没有外星人的概率

在思考了一会儿之后⑨，回答是酱婶⑨。

虽然格式有点乱⑲，但是最后回答正确⑯，而且是解析解⑰。o☆[BINGO!]⑪。

如果昨天是明天就好了⑧，那么今天就是周五了⑱。 问：句子中的今天可能是星期几④？

可以看到基本能力有④，但现在还不是特别稳定⑯。像当你开始新对话时⑪，会碰到以下这种情况❷。

已经有热心网友已经制作成了GGUF格式上传到HF⑩。

分布式强化学习训练❸、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⑳。

通俗讲⑰，INTELLECT-2就如同一个超大型的众包项目⑧，任何拥有闲置算力资源的人都可以参与其中⑯。“异步”则是指不同阶段可以独立⑯、并行地进行⑮，因此不同性能的设备可以同时参与⑨，而不会相互影响⑦。

具体来说⑰，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⑤；这些数据经过验证后汇集到中心⑫，用于更新模型策略⑰；更新后的策略再分发到每个节点⑯，开始新一轮迭代①。

在这套流程当中①，一共涉及了四大关键组件——

核心RL框架PRIME-RL⑤，实现推理数据生成与模型训练的解耦和异步进行③；

参数分发网络SHARDCAST⑩，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TOPLOC⑨，验证每个推理节点提交数据的可信性⑥；

Protocol Testnet❶，为不同学习任务构建独立算力资源池⑩，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⑳。

★核心RL框架PRIME-RL

PRIME-RL的核心⑰，是支持推理数据生成与模型训练的解耦与异步执行⑧。

这种方式允许分散的推理节点按照自己的进度生成数据⑥，无需彼此协调和等待❸。

为了进一步提升性能和减小显存占用②，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⑮。

FSDP将模型的参数和梯度按层切分到不同的GPU上⑭，每个GPU只负责一部分的计算和存储①。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑫，负责将更新后的模型权重广播给全球范围内的推理节点❷。

在分布式强化学习中⑦，由于文件体积极大⑱，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⑭。

为了解决这个问题⑨，SHARDCAST引入了分片传输⑪、多级缓存⑭、智能调度等一系列优化技术❶。

分片传输指的是将模型权重文件切分成多个小的分片⑬，然后并行传输⑮。这种做法不仅能充分利用网络带宽①，降低传输延迟⑳，还能提高传输的鲁棒性⑱，不会因为个别分片传输失败而造成整体重传⑤。

多级缓存是一种类似于CDN的传输模式③，具体来说⑩，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⑫，它首先将权重文件推送到这些中继服务器❶。

这样一来❷，推理节点就可以就近从中继服务器拉取权重文件⑦，而不是直接从中心节点获取⑯，可以有效缓解中心节点的网络I/O压力④。

另外⑭，与普通的被动响应式传输不同⑳，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑫，当发现版本落后时⑰，会主动将增量权重推送给节点③，确保了权重更新的实时性⑱。

同时⑬，SHARDCAST还会根据网络拓扑和带宽状况⑰，动态调整传输策略和路由⑮，选择最优的分发路径❷。

★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③。

其目的是确保每个推理节点提交的数据可信⑦，避免恶意节点通过提交虚假数据来破坏模型训练⑮。

TOPLOC通过密码学证明和可验证计算等技术实现❸，可以概括为Proof生成和Proof检查两个主要步骤⑨。

Proof生成是指当一个推理节点完成一组推理任务后❶，不仅要将生成的轨迹数据提交给中心节点⑰，还要附带提交一个密码学proof⑩。

这个proof证明了所提交的数据确实是由特定版本的模型⑳、特定的输入⑳、特定的随机数种子生成的⑤，其生成基于安全哈希算法①，确保了proof与推理过程绑定③。

中心节点在收到推理数据和proof后❶，会定期抽查部分数据的可信性⑧。验证节点首先会重放推理节点的模型prefill⑫，然后将计算得到的中间状态与proof进行比对⑭。

为了降低开销⑫，推理节点只需提交关键的中间状态⑫，而非完整的计算过程⑧；验证节点也只需重放部分关键路径⑨，而不是全盘重做⑯。

Protocol Testnet是INTELLECT-2的底层基础设施⑬，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⑬。

它将不同类别的人工智能训练任务组织成独立的计算域❶，每个计算域都有自己的资源池②，由去中心化的“账本系统”来管理节点的身份⑯、贡献和信誉值⑯。

每个计算域对应了一种特定的训练任务❶，如语言模型预训练❸、多模态对齐④、强化学习等⑩。

针对一个特定的训练任务⑳，开发者会在Testnet上注册一个新的计算域⑮，计算域定义了任务的相关属性和协议规范▓。

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⑱。每个节点在加入时⑬，⑫，都需要在去中心化“账本”上生成一个唯一的密码学身份⑧，用于后续的贡献度记录和信誉管理❶。

当一个计算域有新的训练任务需要执行时⑪，Testnet的任务调度服务会根据各节点的算力特征和网络状况⑳，将任务分发到合适的节点上⑪。节点按照任务要求⑬，执行计算并生成结果⑪。

节点生成的计算结果需要经过验证⑱，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⑯，作为后续奖励分配的依据⑫。

服务支持：在整个任务执行过程中③，Testnet还提供了节点发现⑮、健康监控⑪、日志管理等一系列配套服务❷，以协助节点的管理和问题诊断⑲，保障分布式网络的稳定运行⑩。

★更多训练细节⑭、另外在训练过程中⑫，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❸，从而消除了通信瓶颈⑰。

以及双面GRPO剪辑⑬，通过使用双面标记概率比剪辑来缓解梯度尖峰▓，从而使训练更加稳定⑮。

数据方面⑪，INTELLECT2采用了来自NuminaMath-1.5⑲、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑦，并结合离线和在线过滤来选择具有挑战性的任务⑬，显着提高了模型学习效率⑮。

★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-LONG⑥，分别对应短目标长度和长目标长度的训练设置⑤。

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①；

TARGET-LONG：任务奖励同样大幅提升⑳，长度惩罚也呈下降趋势▓，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③。

与基线模型QwQ-32B相比①，INTELLECT-2在数学和编程基准测试上的表现有所提升①，但在IFEval上略有下降❸，可能是因为训练只专注于数学和编程任务⑧。

在计算资源利用方面⑫，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑲。在两个实验设置中⑦，SHARDCAST广播平均耗时14分钟⑲，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⑬，名叫Prime Intellect❶，位于美国旧金山⑫。

创始人兼CEO是Vincent Weisser❷，来自德国⑨，之前参与过大量的创业项目⑮，Prime Intellect是他最新的创业成果⑮。

联创兼CTO Johannes Hagemann①，德国Hasso Plattner研究所硕士❷，本科毕业于多特蒙德工业大学⑨。

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

创始工程师Jannik Straube④，慕尼黑工业大学硕士⑬，之前曾在IBM工作⑭。

在INTELLEC-2之前⑰，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1❸，第一个在分散式基础设施上训练的10B参数模型⑮；

METAGENE-1⑩，用于早期流行病检测和全球健康应用的生物模型⑰；

INTELLECT-MATH⑦，使用RL训练的数学推理模型⑬。

另外⑨，基于分布式强化学习❸，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1③。

今年2月⑳，Prime Intellect团队获得了1500万美元的新投资⑫，用来构建点对点AI协议⑰。

这笔投资由创始人基金领衔⑥，投资者中还包括大神Karpathy⑲、Hugging Face联创兼CEO Clem Delangue⑪、FlashAttention作者Tri Dao⑱、Stability AI前CEO Emad Mostaque等AI界名人⑫。

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

在接下来的计划当中⑩，Prime Intellect将进行提高推理-训练计算的比例⑪，为模型提供推理链中的内置工具⑥，以及融合独立训练的RL模型等一系列工作⑰。

宏观方面③，团队也将扩大计算市场⑱，扩展去中心化训练⑰，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❸。

很赞哦②！

随机图文