您现在的位置是：网站首页>房产房产

疯狂斗地主2代电玩城

覃靖柏 2025-05-14 【房产】 0734 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⑭，老黄天塌了①。

全球首个分布式RL训练模型INTELLECT-2发布⑤，它仅通过整合全球闲置或分散的计算资源⑥，就完成了模型的强化学习训练⑭，训练成本大大降低⑰。

其模型性能与DeepSeek-R1媲美②！

一旦范式成立⑬，这也就意味RL训练摆脱了对集中式算力的依赖⑤，世界上任何一个人都可以参与到模型训练当中⑯，大公司垄断算力时代可能就此终结⑪。

Just like this~算力来算力来⑯，算力从四面八方来⑮。

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⑯，包括不限于Karpathy大神⑮、FlashAttention作者Tri Dao大神③、HuggingFace联创兼CEO Clem Delangue等等▓。

据团队成员介绍⑤，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③，并且经过验证⑧，超过那些先进实验室只是时间问题⑬。

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⑤。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验②，只需简单注册就可以使用❷。与其他通用助手页面类似差不多⑮，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⑦？

在推理思考了几秒钟之后④，它给出了答案①，首先强调了这是首个去中心化RL训练的超大规模模型⑨，其次还有强化学习训练⑩、参数规模与性能的平衡①、数据隐私安全与社区驱动等特点①。

回答基本OK⑳，那直接来上点难度：

一个外星人来到地球后▓，第一天有相等的可能选择以下四件事中的一件完成：1⑧，自我毁灭⑲；2⑫，分裂成两个外星人⑲；3④，分裂成三个外星人②；4⑮，什么都不做▓。

此后每天⑱，每个外星人均会做一次选择⑪，且彼此之间相互独立⑦，求地球上最终没有外星人的概率

在思考了一会儿之后❶，回答是酱婶③。

虽然格式有点乱▓，但是最后回答正确①，而且是解析解⑥。o☆[BINGO!]⑰。

如果昨天是明天就好了⑬，那么今天就是周五了④。 问：句子中的今天可能是星期几⑯？

可以看到基本能力有①，但现在还不是特别稳定⑧。像当你开始新对话时⑯，会碰到以下这种情况⑦。

已经有热心网友已经制作成了GGUF格式上传到HF⑮。

分布式强化学习训练⑲、INTELLECT-2是一个分布式的大模型训练框架①，采用了全球分布式异步强化学习的范式⑳。

通俗讲⑫，INTELLECT-2就如同一个超大型的众包项目⑩，任何拥有闲置算力资源的人都可以参与其中⑳。“异步”则是指不同阶段可以独立▓、并行地进行❶，因此不同性能的设备可以同时参与⑧，而不会相互影响⑧。

具体来说③，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④；这些数据经过验证后汇集到中心⑩，用于更新模型策略❸；更新后的策略再分发到每个节点⑫，开始新一轮迭代⑳。

在这套流程当中⑨，一共涉及了四大关键组件——

核心RL框架PRIME-RL⑮，实现推理数据生成与模型训练的解耦和异步进行⑱；

参数分发网络SHARDCAST⑨，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⑨；

推理验证协议TOPLOC③，验证每个推理节点提交数据的可信性⑱；

Protocol Testnet❸，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⑩。

INTELLECT团队已将这四大组件全部开源③。

★核心RL框架PRIME-RL

PRIME-RL的核心⑪，是支持推理数据生成与模型训练的解耦与异步执行⑤。

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⑥。

为了进一步提升性能和减小显存占用⑭，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时▓。

另外还集成了FSDP技术对模型进行切片❶。

FSDP将模型的参数和梯度按层切分到不同的GPU上⑬，每个GPU只负责一部分的计算和存储⑮。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑩，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⑳，由于文件体积极大⑲，而网络带宽资源良莠不齐⑧，模型权重的分发通常是一个难点⑨。

为了解决这个问题▓，SHARDCAST引入了分片传输⑯、多级缓存▓、智能调度等一系列优化技术⑦。

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⑫。这种做法不仅能充分利用网络带宽⑤，降低传输延迟⑦，还能提高传输的鲁棒性⑯，不会因为个别分片传输失败而造成整体重传⑥。

多级缓存是一种类似于CDN的传输模式⑥，具体来说⑳，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⑱。每当中心节点产生新的模型权重③，它首先将权重文件推送到这些中继服务器⑭。

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⑨，而不是直接从中心节点获取⑰，可以有效缓解中心节点的网络I/O压力③。

另外❸，与普通的被动响应式传输不同⑤，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑯，当发现版本落后时③，会主动将增量权重推送给节点②，确保了权重更新的实时性⑳。

同时④，SHARDCAST还会根据网络拓扑和带宽状况⑭，动态调整传输策略和路由⑦，选择最优的分发路径⑥。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol③，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑫。

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❶。

TOPLOC通过密码学证明和可验证计算等技术实现⑲，可以概括为Proof生成和Proof检查两个主要步骤⑰。

Proof生成是指当一个推理节点完成一组推理任务后❸，不仅要将生成的轨迹数据提交给中心节点⑤，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⑳、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❸，确保了proof与推理过程绑定❶。

中心节点在收到推理数据和proof后⑦，会定期抽查部分数据的可信性⑳。验证节点首先会重放推理节点的模型prefill⑮，然后将计算得到的中间状态与proof进行比对⑲。

为了降低开销⑰，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❸；验证节点也只需重放部分关键路径⑫，而不是全盘重做⑩。

Protocol Testnet是INTELLECT-2的底层基础设施②，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⑭。

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⑬，由去中心化的“账本系统”来管理节点的身份③、贡献和信誉值⑩。

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❷、多模态对齐⑨、强化学习等❶。

针对一个特定的训练任务❸，开发者会在Testnet上注册一个新的计算域❷，计算域定义了任务的相关属性和协议规范⑩。

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②。每个节点在加入时⑩，⑤，都需要在去中心化“账本”上生成一个唯一的密码学身份⑨，用于后续的贡献度记录和信誉管理⑫。

当一个计算域有新的训练任务需要执行时▓，Testnet的任务调度服务会根据各节点的算力特征和网络状况⑦，将任务分发到合适的节点上⑱。节点按照任务要求❸，执行计算并生成结果④。

节点生成的计算结果需要经过验证⑫，以确保其可信性⑥，对于通过验证的结果⑬，节点的贡献度会被记录在去中心化账本上④，作为后续奖励分配的依据⑤。

服务支持：在整个任务执行过程中④，Testnet还提供了节点发现②、健康监控⑬、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▓，保障分布式网络的稳定运行⑫。

★更多训练细节⑯、另外在训练过程中⑯，INTELLECT2还采用了两步异步强化学习的模式③，也就是权重的广播与正在进行的推理和训练完全重叠❶，从而消除了通信瓶颈④。

以及双面GRPO剪辑⑯，通过使用双面标记概率比剪辑来缓解梯度尖峰⑩，从而使训练更加稳定⑫。

数据方面⑲，INTELLECT2采用了来自NuminaMath-1.5⑦、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑳，并结合离线和在线过滤来选择具有挑战性的任务⑱，显着提高了模型学习效率⑫。

★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-LONG❷，分别对应短目标长度和长目标长度的训练设置⑧。

TARGET-SHORT：随着训练的进行❸，任务奖励显着提高⑦，长度惩罚有所下降⑮；

TARGET-LONG：任务奖励同样大幅提升⑤，长度惩罚也呈下降趋势❷，但在实验的有限时间内尚未完全收敛③，模型还未完全学会严格遵守思考预算④。

与基线模型QwQ-32B相比⑬，INTELLECT-2在数学和编程基准测试上的表现有所提升⑯，但在IFEval上略有下降⑨，可能是因为训练只专注于数学和编程任务⑳。

在计算资源利用方面⑭，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠②。在两个实验设置中❶，SHARDCAST广播平均耗时14分钟⑱，实现了约590Mb/s的带宽吞吐量⑭。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑧，名叫Prime Intellect⑤，位于美国旧金山⑳。

创始人兼CEO是Vincent Weisser②，来自德国⑲，之前参与过大量的创业项目⑰，Prime Intellect是他最新的创业成果⑩。

联创兼CTO Johannes Hagemann⑫，德国Hasso Plattner研究所硕士⑳，本科毕业于多特蒙德工业大学❷。

CEO Weisser担任核心成员的创业项目VitaDAO⑱，Hagemann曾出任策略顾问⑬。

创始工程师Jannik Straube⑱，慕尼黑工业大学硕士⑥，之前曾在IBM工作⑳。

在INTELLEC-2之前⑮，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1⑭，第一个在分散式基础设施上训练的10B参数模型⑧；

METAGENE-1⑦，用于早期流行病检测和全球健康应用的生物模型❷；

INTELLECT-MATH⑯，使用RL训练的数学推理模型⑰。

另外❸，基于分布式强化学习❷，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1❷。

今年2月⑲，Prime Intellect团队获得了1500万美元的新投资⑭，用来构建点对点AI协议⑫。

这笔投资由创始人基金领衔⑩，投资者中还包括大神Karpathy⑦、Hugging Face联创兼CEO Clem Delangue⑮、FlashAttention作者Tri Dao⑧、Stability AI前CEO Emad Mostaque等AI界名人⑭。

加上之前已有的资金❶，Prime Intellect团队获得的总资金超过了2000万美元⑮。

在接下来的计划当中⑪，Prime Intellect将进行提高推理-训练计算的比例⑩，为模型提供推理链中的内置工具⑰，以及融合独立训练的RL模型等一系列工作④。

宏观方面⑬，团队也将扩大计算市场③，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②。

很赞哦❷！

随机图文