您现在的位置是： 网站首页>娱乐娱乐

街机电玩城游戏大厅破解版

赖忆香 2025-05-14 【娱乐】 7378 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⑩，老黄天塌了②。

全球首个分布式RL训练模型INTELLECT-2发布③，它仅通过整合全球闲置或分散的计算资源⑭，就完成了模型的强化学习训练⑤，训练成本大大降低⑫。

其模型性能与DeepSeek-R1媲美⑦！

一旦范式成立④，这也就意味RL训练摆脱了对集中式算力的依赖❶，世界上任何一个人都可以参与到模型训练当中⑰，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⑤，算力从四面八方来⑲。

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⑦，还有不少大佬愿意投钱②，包括不限于Karpathy大神⑰、FlashAttention作者Tri Dao大神①、HuggingFace联创兼CEO Clem Delangue等等⑨。

据团队成员介绍⑩，他们从编写模型强化学习框架prime-rl⑩，到今天发布大概只用了两个月时间

目前基础设施已到位❶，并且经过验证⑰，超过那些先进实验室只是时间问题⑦。

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▓。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑥，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⑭，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⑤？

在推理思考了几秒钟之后❶，它给出了答案④，首先强调了这是首个去中心化RL训练的超大规模模型⑰，其次还有强化学习训练⑱、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⑲。

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：1▓，自我毁灭⑩；2⑱，分裂成两个外星人❷；3⑲，分裂成三个外星人②；4⑦，什么都不做⑲。

此后每天⑫，每个外星人均会做一次选择⑲，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⑨，回答是酱婶⑪。

虽然格式有点乱⑱，但是最后回答正确❶，而且是解析解❶。o☆[BINGO!]⑬。

如果昨天是明天就好了⑰，那么今天就是周五了⑳。 问：句子中的今天可能是星期几❷？

可以看到基本能力有⑦，但现在还不是特别稳定❷。像当你开始新对话时⑥，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HF⑧。

分布式强化学习训练⑱、INTELLECT-2是一个分布式的大模型训练框架▓，采用了全球分布式异步强化学习的范式①。

通俗讲⑬，INTELLECT-2就如同一个超大型的众包项目④，任何拥有闲置算力资源的人都可以参与其中⑲。“异步”则是指不同阶段可以独立⑱、并行地进行⑫，因此不同性能的设备可以同时参与⑨，而不会相互影响⑫。

具体来说⑩，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⑩；这些数据经过验证后汇集到中心❸，用于更新模型策略⑧；更新后的策略再分发到每个节点⑪，开始新一轮迭代⑯。

在这套流程当中⑪，一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⑯；

参数分发网络SHARDCAST❸，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⑯；

推理验证协议TOPLOC⑳，验证每个推理节点提交数据的可信性⑯；

Protocol Testnet⑮，为不同学习任务构建独立算力资源池⑮，实现算力贡献和使用的去中心化管理▓。

INTELLECT团队已将这四大组件全部开源⑤。

★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⑥。

这种方式允许分散的推理节点按照自己的进度生成数据④，无需彼此协调和等待④。

为了进一步提升性能和减小显存占用⑨，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时⑦。

另外还集成了FSDP技术对模型进行切片②。

FSDP将模型的参数和梯度按层切分到不同的GPU上⑩，每个GPU只负责一部分的计算和存储⑯。

★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⑦。

在分布式强化学习中③，由于文件体积极大❸，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⑦。

为了解决这个问题③，SHARDCAST引入了分片传输③、多级缓存⑬、智能调度等一系列优化技术⑭。

分片传输指的是将模型权重文件切分成多个小的分片⑯，然后并行传输⑥。这种做法不仅能充分利用网络带宽⑪，降低传输延迟④，还能提高传输的鲁棒性⑰，不会因为个别分片传输失败而造成整体重传❶。

多级缓存是一种类似于CDN的传输模式⑪，具体来说⑦，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①。每当中心节点产生新的模型权重⑯，它首先将权重文件推送到这些中继服务器⑱。

这样一来⑲，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❸，可以有效缓解中心节点的网络I/O压力❶。

另外⑬，与普通的被动响应式传输不同⑯，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑪，当发现版本落后时⑤，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⑭，SHARDCAST还会根据网络拓扑和带宽状况⑱，动态调整传输策略和路由⑪，选择最优的分发路径⑫。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol①，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑩。

其目的是确保每个推理节点提交的数据可信⑫，避免恶意节点通过提交虚假数据来破坏模型训练⑭。

TOPLOC通过密码学证明和可验证计算等技术实现⑰，可以概括为Proof生成和Proof检查两个主要步骤⑮。

Proof生成是指当一个推理节点完成一组推理任务后④，不仅要将生成的轨迹数据提交给中心节点⑬，还要附带提交一个密码学proof⑨。

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①、特定的随机数种子生成的⑳，其生成基于安全哈希算法❸，确保了proof与推理过程绑定⑪。

中心节点在收到推理数据和proof后⑲，会定期抽查部分数据的可信性③。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⑦。

为了降低开销⑬，推理节点只需提交关键的中间状态▓，而非完整的计算过程⑮；验证节点也只需重放部分关键路径⑮，而不是全盘重做⑨。

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⑩，每个计算域都有自己的资源池⑯，由去中心化的“账本系统”来管理节点的身份⑲、贡献和信誉值④。

每个计算域对应了一种特定的训练任务⑭，如语言模型预训练⑳、多模态对齐⑩、强化学习等⑯。

针对一个特定的训练任务⑬，开发者会在Testnet上注册一个新的计算域⑪，计算域定义了任务的相关属性和协议规范⑳。

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⑮。每个节点在加入时③，⑬，都需要在去中心化“账本”上生成一个唯一的密码学身份⑰，用于后续的贡献度记录和信誉管理①。

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⑭，将任务分发到合适的节点上②。节点按照任务要求⑬，执行计算并生成结果⑩。

节点生成的计算结果需要经过验证⑧，以确保其可信性⑱，对于通过验证的结果②，节点的贡献度会被记录在去中心化账本上⑦，作为后续奖励分配的依据⑮。

服务支持：在整个任务执行过程中❸，Testnet还提供了节点发现⑦、健康监控❸、日志管理等一系列配套服务⑦，以协助节点的管理和问题诊断⑳，保障分布式网络的稳定运行❶。

★更多训练细节⑰、另外在训练过程中③，INTELLECT2还采用了两步异步强化学习的模式⑰，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❷。

以及双面GRPO剪辑②，通过使用双面标记概率比剪辑来缓解梯度尖峰⑭，从而使训练更加稳定⑤。

数据方面②，INTELLECT2采用了来自NuminaMath-1.5⑳、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑧，并结合离线和在线过滤来选择具有挑战性的任务▓，显着提高了模型学习效率⑧。

★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-LONG⑧，分别对应短目标长度和长目标长度的训练设置⑰。

TARGET-SHORT：随着训练的进行⑫，任务奖励显着提高⑦，长度惩罚有所下降⑩；

TARGET-LONG：任务奖励同样大幅提升⑧，长度惩罚也呈下降趋势❸，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①。

与基线模型QwQ-32B相比②，INTELLECT-2在数学和编程基准测试上的表现有所提升⑲，但在IFEval上略有下降⑲，可能是因为训练只专注于数学和编程任务⑬。

在计算资源利用方面⑮，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑳。在两个实验设置中⑤，SHARDCAST广播平均耗时14分钟⑧，实现了约590Mb/s的带宽吞吐量⑪。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑨，名叫Prime Intellect⑭，位于美国旧金山⑰。

创始人兼CEO是Vincent Weisser⑱，来自德国⑧，之前参与过大量的创业项目⑤，Prime Intellect是他最新的创业成果④。

联创兼CTO Johannes Hagemann❶，德国Hasso Plattner研究所硕士③，本科毕业于多特蒙德工业大学⑮。

CEO Weisser担任核心成员的创业项目VitaDAO⑧，Hagemann曾出任策略顾问⑲。

创始工程师Jannik Straube⑲，慕尼黑工业大学硕士④，之前曾在IBM工作❸。

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-1⑫，第一个在分散式基础设施上训练的10B参数模型④；

METAGENE-1⑫，用于早期流行病检测和全球健康应用的生物模型⑥；

INTELLECT-MATH⑯，使用RL训练的数学推理模型❷。

另外⑧，基于分布式强化学习⑯，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑯。

今年2月⑦，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⑨。

这笔投资由创始人基金领衔⑳，投资者中还包括大神Karpathy❶、Hugging Face联创兼CEO Clem Delangue⑪、FlashAttention作者Tri Dao②、Stability AI前CEO Emad Mostaque等AI界名人⑥。

加上之前已有的资金❷，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④，Prime Intellect将进行提高推理-训练计算的比例⑰，为模型提供推理链中的内置工具⑬，以及融合独立训练的RL模型等一系列工作④。

宏观方面②，团队也将扩大计算市场⑳，扩展去中心化训练⑧，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⑫！

随机图文