您现在的位置是：网站首页>CBACBA

超级电玩城2024最新兑换码

白冰露 2025-05-14 【CBA】 2358 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⑦，老黄天塌了⑰。

全球首个分布式RL训练模型INTELLECT-2发布⑩，它仅通过整合全球闲置或分散的计算资源⑲，就完成了模型的强化学习训练❷，训练成本大大降低⑬。

其模型性能与DeepSeek-R1媲美❶！

一旦范式成立⑳，这也就意味RL训练摆脱了对集中式算力的依赖⑲，世界上任何一个人都可以参与到模型训练当中⑧，大公司垄断算力时代可能就此终结⑯。

Just like this~算力来算力来①，算力从四面八方来❶。

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⑨，包括不限于Karpathy大神④、FlashAttention作者Tri Dao大神⑧、HuggingFace联创兼CEO Clem Delangue等等③。

据团队成员介绍⑮，他们从编写模型强化学习框架prime-rl❷，到今天发布大概只用了两个月时间

目前基础设施已到位②，并且经过验证⑩，超过那些先进实验室只是时间问题⑳。

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❸。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑲，只需简单注册就可以使用⑦。与其他通用助手页面类似差不多⑲，不过输入仅支持文本①。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑬？

在推理思考了几秒钟之后⑲，它给出了答案▓，首先强调了这是首个去中心化RL训练的超大规模模型⑬，其次还有强化学习训练⑱、参数规模与性能的平衡⑦、数据隐私安全与社区驱动等特点▓。

回答基本OK⑩，那直接来上点难度：

一个外星人来到地球后⑦，第一天有相等的可能选择以下四件事中的一件完成：1②，自我毁灭⑤；2⑪，分裂成两个外星人❸；3⑮，分裂成三个外星人⑤；4⑤，什么都不做①。

此后每天⑭，每个外星人均会做一次选择⑨，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⑪，回答是酱婶⑰。

虽然格式有点乱⑪，但是最后回答正确⑭，而且是解析解⑰。o☆[BINGO!]▓。

如果昨天是明天就好了⑪，那么今天就是周五了▓。 问：句子中的今天可能是星期几⑪？

可以看到基本能力有⑬，但现在还不是特别稳定⑫。像当你开始新对话时⑤，会碰到以下这种情况▓。

已经有热心网友已经制作成了GGUF格式上传到HF⑧。

分布式强化学习训练⑪、INTELLECT-2是一个分布式的大模型训练框架⑤，采用了全球分布式异步强化学习的范式⑨。

通俗讲②，INTELLECT-2就如同一个超大型的众包项目⑪，任何拥有闲置算力资源的人都可以参与其中⑧。“异步”则是指不同阶段可以独立⑮、并行地进行❶，因此不同性能的设备可以同时参与⑰，而不会相互影响⑱。

具体来说①，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②，用于更新模型策略⑦；更新后的策略再分发到每个节点⑭，开始新一轮迭代⑳。

在这套流程当中❸，一共涉及了四大关键组件——

核心RL框架PRIME-RL⑭，实现推理数据生成与模型训练的解耦和异步进行⑩；

参数分发网络SHARDCAST▓，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❷；

推理验证协议TOPLOC⑥，验证每个推理节点提交数据的可信性⑧；

Protocol Testnet⑫，为不同学习任务构建独立算力资源池④，实现算力贡献和使用的去中心化管理❷。

INTELLECT团队已将这四大组件全部开源⑥。

★核心RL框架PRIME-RL

PRIME-RL的核心❷，是支持推理数据生成与模型训练的解耦与异步执行⑲。

这种方式允许分散的推理节点按照自己的进度生成数据⑯，无需彼此协调和等待▓。

为了进一步提升性能和减小显存占用❶，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时⑲。

另外还集成了FSDP技术对模型进行切片⑬。

FSDP将模型的参数和梯度按层切分到不同的GPU上⑯，每个GPU只负责一部分的计算和存储⑲。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络③，负责将更新后的模型权重广播给全球范围内的推理节点④。

在分布式强化学习中▓，由于文件体积极大⑤，而网络带宽资源良莠不齐⑦，模型权重的分发通常是一个难点❶。

为了解决这个问题③，SHARDCAST引入了分片传输⑤、多级缓存②、智能调度等一系列优化技术①。

分片传输指的是将模型权重文件切分成多个小的分片③，然后并行传输❷。这种做法不仅能充分利用网络带宽⑮，降低传输延迟⑬，还能提高传输的鲁棒性⑬，不会因为个别分片传输失败而造成整体重传⑳。

多级缓存是一种类似于CDN的传输模式▓，具体来说④，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❸，它首先将权重文件推送到这些中继服务器⑥。

这样一来⑩，推理节点就可以就近从中继服务器拉取权重文件①，而不是直接从中心节点获取⑮，可以有效缓解中心节点的网络I/O压力⑰。

另外⑤，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❸，当发现版本落后时⑱，会主动将增量权重推送给节点⑤，确保了权重更新的实时性⑧。

同时⑩，SHARDCAST还会根据网络拓扑和带宽状况⑬，动态调整传输策略和路由⑭，选择最优的分发路径❶。

★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⑯。

其目的是确保每个推理节点提交的数据可信⑬，避免恶意节点通过提交虚假数据来破坏模型训练⑯。

TOPLOC通过密码学证明和可验证计算等技术实现③，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⑰，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proof❶。

这个proof证明了所提交的数据确实是由特定版本的模型❷、特定的输入②、特定的随机数种子生成的⑦，其生成基于安全哈希算法❷，确保了proof与推理过程绑定⑰。

中心节点在收到推理数据和proof后⑩，会定期抽查部分数据的可信性②。验证节点首先会重放推理节点的模型prefill④，然后将计算得到的中间状态与proof进行比对⑱。

为了降低开销③，推理节点只需提交关键的中间状态②，而非完整的计算过程④；验证节点也只需重放部分关键路径⑧，而不是全盘重做⑥。

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⑯。

它将不同类别的人工智能训练任务组织成独立的计算域▓，每个计算域都有自己的资源池⑱，由去中心化的“账本系统”来管理节点的身份②、贡献和信誉值⑱。

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⑬、多模态对齐⑧、强化学习等❷。

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⑭，计算域定义了任务的相关属性和协议规范③。

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⑰。每个节点在加入时③，⑤，都需要在去中心化“账本”上生成一个唯一的密码学身份⑯，用于后续的贡献度记录和信誉管理⑭。

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⑳，将任务分发到合适的节点上⑳。节点按照任务要求⑤，执行计算并生成结果⑰。

节点生成的计算结果需要经过验证⑦，以确保其可信性②，对于通过验证的结果⑫，节点的贡献度会被记录在去中心化账本上⑧，作为后续奖励分配的依据⑬。

服务支持：在整个任务执行过程中▓，Testnet还提供了节点发现⑪、健康监控❸、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▓。

★更多训练细节⑦、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⑭，也就是权重的广播与正在进行的推理和训练完全重叠⑫，从而消除了通信瓶颈⑬。

以及双面GRPO剪辑❶，通过使用双面标记概率比剪辑来缓解梯度尖峰④，从而使训练更加稳定⑰。

数据方面③，INTELLECT2采用了来自NuminaMath-1.5④、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务②，并结合离线和在线过滤来选择具有挑战性的任务⑦，显着提高了模型学习效率⑭。

★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-LONG⑨，分别对应短目标长度和长目标长度的训练设置③。

TARGET-SHORT：随着训练的进行⑦，任务奖励显着提高⑩，长度惩罚有所下降⑲；

TARGET-LONG：任务奖励同样大幅提升④，长度惩罚也呈下降趋势⑤，但在实验的有限时间内尚未完全收敛④，模型还未完全学会严格遵守思考预算⑩。

与基线模型QwQ-32B相比⑨，INTELLECT-2在数学和编程基准测试上的表现有所提升⑥，但在IFEval上略有下降⑥，可能是因为训练只专注于数学和编程任务⑭。

在计算资源利用方面❶，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠④。在两个实验设置中①，SHARDCAST广播平均耗时14分钟⑥，实现了约590Mb/s的带宽吞吐量⑯。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑪，名叫Prime Intellect⑦，位于美国旧金山⑩。

创始人兼CEO是Vincent Weisser⑥，来自德国⑧，之前参与过大量的创业项目①，Prime Intellect是他最新的创业成果▓。

联创兼CTO Johannes Hagemann⑳，德国Hasso Plattner研究所硕士②，本科毕业于多特蒙德工业大学⑭。

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

创始工程师Jannik Straube③，慕尼黑工业大学硕士❸，之前曾在IBM工作❶。

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

INTELLECT-1❶，第一个在分散式基础设施上训练的10B参数模型⑰；

METAGENE-1⑯，用于早期流行病检测和全球健康应用的生物模型⑩；

INTELLECT-MATH⑬，使用RL训练的数学推理模型❶。

另外③，基于分布式强化学习⑨，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑥。

今年2月⑯，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❷。

这笔投资由创始人基金领衔⑧，投资者中还包括大神Karpathy⑫、Hugging Face联创兼CEO Clem Delangue③、FlashAttention作者Tri Dao⑨、Stability AI前CEO Emad Mostaque等AI界名人⑲。

加上之前已有的资金⑳，Prime Intellect团队获得的总资金超过了2000万美元②。

在接下来的计划当中⑨，Prime Intellect将进行提高推理-训练计算的比例③，为模型提供推理链中的内置工具❶，以及融合独立训练的RL模型等一系列工作⑱。

宏观方面⑤，团队也将扩大计算市场❶，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▓。

很赞哦❷！

随机图文