您现在的位置是：网站首页>汽车汽车

我发168孟波电玩城下载安装

史以蓝 2025-05-14 【 汽车】 0678 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❸。

全球首个分布式RL训练模型INTELLECT-2发布⑯，它仅通过整合全球闲置或分散的计算资源⑱，就完成了模型的强化学习训练⑮，训练成本大大降低⑬。

其模型性能与DeepSeek-R1媲美⑳！

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⑲，世界上任何一个人都可以参与到模型训练当中❶，大公司垄断算力时代可能就此终结⑭。

Just like this~算力来算力来⑬，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⑬，还有不少大佬愿意投钱⑦，包括不限于Karpathy大神④、FlashAttention作者Tri Dao大神⑭、HuggingFace联创兼CEO Clem Delangue等等⑮。

据团队成员介绍❷，他们从编写模型强化学习框架prime-rl⑱，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⑫，超过那些先进实验室只是时间问题⑱。

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⑧，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⑲，不过输入仅支持文本❷。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑨？

在推理思考了几秒钟之后⑰，它给出了答案⑦，首先强调了这是首个去中心化RL训练的超大规模模型①，其次还有强化学习训练⑤、参数规模与性能的平衡⑩、数据隐私安全与社区驱动等特点③。

回答基本OK⑭，那直接来上点难度：

一个外星人来到地球后⑭，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①；2①，分裂成两个外星人⑰；3⑩，分裂成三个外星人④；4④，什么都不做⑳。

此后每天⑰，每个外星人均会做一次选择⑤，且彼此之间相互独立②，求地球上最终没有外星人的概率

在思考了一会儿之后⑮，回答是酱婶⑪。

虽然格式有点乱⑧，但是最后回答正确⑤，而且是解析解⑥。o☆[BINGO!]⑫。

如果昨天是明天就好了❷，那么今天就是周五了⑳。 问：句子中的今天可能是星期几②？

可以看到基本能力有⑱，但现在还不是特别稳定⑫。像当你开始新对话时⑯，会碰到以下这种情况⑫。

已经有热心网友已经制作成了GGUF格式上传到HF⑬。

分布式强化学习训练⑭、INTELLECT-2是一个分布式的大模型训练框架⑭，采用了全球分布式异步强化学习的范式⑦。

通俗讲⑤，INTELLECT-2就如同一个超大型的众包项目③，任何拥有闲置算力资源的人都可以参与其中❷。“异步”则是指不同阶段可以独立❸、并行地进行⑬，因此不同性能的设备可以同时参与⑥，而不会相互影响⑧。

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⑬；这些数据经过验证后汇集到中心⑬，用于更新模型策略⑮；更新后的策略再分发到每个节点❷，开始新一轮迭代③。

在这套流程当中❶，一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⑧；

参数分发网络SHARDCAST⑯，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❸；

推理验证协议TOPLOC⑧，验证每个推理节点提交数据的可信性⑥；

Protocol Testnet⑲，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⑱。

INTELLECT团队已将这四大组件全部开源⑨。

★核心RL框架PRIME-RL

PRIME-RL的核心⑲，是支持推理数据生成与模型训练的解耦与异步执行⑬。

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④。

为了进一步提升性能和减小显存占用⑲，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时②。

另外还集成了FSDP技术对模型进行切片▓。

FSDP将模型的参数和梯度按层切分到不同的GPU上⑪，每个GPU只负责一部分的计算和存储⑥。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑤，负责将更新后的模型权重广播给全球范围内的推理节点⑥。

在分布式强化学习中⑱，由于文件体积极大⑯，而网络带宽资源良莠不齐⑲，模型权重的分发通常是一个难点❶。

为了解决这个问题①，SHARDCAST引入了分片传输⑫、多级缓存③、智能调度等一系列优化技术⑧。

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▓。这种做法不仅能充分利用网络带宽⑰，降低传输延迟③，还能提高传输的鲁棒性⑤，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③，具体来说❶，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⑩。每当中心节点产生新的模型权重⑱，它首先将权重文件推送到这些中继服务器⑤。

这样一来⑨，推理节点就可以就近从中继服务器拉取权重文件⑳，而不是直接从中心节点获取①，可以有效缓解中心节点的网络I/O压力⑦。

另外⑭，与普通的被动响应式传输不同⑪，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑩，当发现版本落后时⑩，会主动将增量权重推送给节点①，确保了权重更新的实时性⑲。

同时⑮，SHARDCAST还会根据网络拓扑和带宽状况④，动态调整传输策略和路由⑫，选择最优的分发路径⑭。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol❸，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑤。

其目的是确保每个推理节点提交的数据可信③，避免恶意节点通过提交虚假数据来破坏模型训练▓。

TOPLOC通过密码学证明和可验证计算等技术实现⑨，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②，不仅要将生成的轨迹数据提交给中心节点②，还要附带提交一个密码学proof⑤。

这个proof证明了所提交的数据确实是由特定版本的模型⑲、特定的输入②、特定的随机数种子生成的①，其生成基于安全哈希算法⑮，确保了proof与推理过程绑定⑱。

中心节点在收到推理数据和proof后⑫，会定期抽查部分数据的可信性④。验证节点首先会重放推理节点的模型prefill⑪，然后将计算得到的中间状态与proof进行比对⑫。

为了降低开销⑭，推理节点只需提交关键的中间状态▓，而非完整的计算过程⑤；验证节点也只需重放部分关键路径❶，而不是全盘重做⑳。

Protocol Testnet是INTELLECT-2的底层基础设施⑪，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②，每个计算域都有自己的资源池④，由去中心化的“账本系统”来管理节点的身份⑭、贡献和信誉值⑨。

每个计算域对应了一种特定的训练任务⑲，如语言模型预训练⑪、多模态对齐⑦、强化学习等⑳。

针对一个特定的训练任务⑯，开发者会在Testnet上注册一个新的计算域❸，计算域定义了任务的相关属性和协议规范⑨。

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⑪，⑥，都需要在去中心化“账本”上生成一个唯一的密码学身份①，用于后续的贡献度记录和信誉管理⑬。

当一个计算域有新的训练任务需要执行时⑫，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⑪。节点按照任务要求▓，执行计算并生成结果⑳。

节点生成的计算结果需要经过验证⑭，以确保其可信性⑪，对于通过验证的结果▓，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③。

服务支持：在整个任务执行过程中③，Testnet还提供了节点发现❶、健康监控①、日志管理等一系列配套服务❸，以协助节点的管理和问题诊断⑮，保障分布式网络的稳定运行⑥。

★更多训练细节⑱、另外在训练过程中④，INTELLECT2还采用了两步异步强化学习的模式⑥，也就是权重的广播与正在进行的推理和训练完全重叠⑬，从而消除了通信瓶颈❸。

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⑨，从而使训练更加稳定②。

数据方面⑧，INTELLECT2采用了来自NuminaMath-1.5❸、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务❶，并结合离线和在线过滤来选择具有挑战性的任务❶，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-LONG⑦，分别对应短目标长度和长目标长度的训练设置❶。

TARGET-SHORT：随着训练的进行⑩，任务奖励显着提高⑫，长度惩罚有所下降③；

TARGET-LONG：任务奖励同样大幅提升❶，长度惩罚也呈下降趋势③，但在实验的有限时间内尚未完全收敛❶，模型还未完全学会严格遵守思考预算⑨。

与基线模型QwQ-32B相比③，INTELLECT-2在数学和编程基准测试上的表现有所提升⑨，但在IFEval上略有下降❶，可能是因为训练只专注于数学和编程任务⑨。

在计算资源利用方面⑱，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⑮，SHARDCAST广播平均耗时14分钟▓，实现了约590Mb/s的带宽吞吐量①。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑱，名叫Prime Intellect⑰，位于美国旧金山⑯。

创始人兼CEO是Vincent Weisser②，来自德国⑪，之前参与过大量的创业项目⑬，Prime Intellect是他最新的创业成果⑫。

联创兼CTO Johannes Hagemann⑤，德国Hasso Plattner研究所硕士❷，本科毕业于多特蒙德工业大学❸。

CEO Weisser担任核心成员的创业项目VitaDAO⑮，Hagemann曾出任策略顾问⑰。

创始工程师Jannik Straube⑫，慕尼黑工业大学硕士⑬，之前曾在IBM工作❷。

在INTELLEC-2之前⑫，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1③，第一个在分散式基础设施上训练的10B参数模型⑦；

METAGENE-1⑫，用于早期流行病检测和全球健康应用的生物模型⑧；

INTELLECT-MATH④，使用RL训练的数学推理模型⑤。

另外⑫，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❷，Prime Intellect团队获得了1500万美元的新投资⑦，用来构建点对点AI协议⑨。

这笔投资由创始人基金领衔⑦，投资者中还包括大神Karpathy❶、Hugging Face联创兼CEO Clem Delangue⑯、FlashAttention作者Tri Dao①、Stability AI前CEO Emad Mostaque等AI界名人⑮。

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⑯。

在接下来的计划当中▓，Prime Intellect将进行提高推理-训练计算的比例⑦，为模型提供推理链中的内置工具④，以及融合独立训练的RL模型等一系列工作⑲。

宏观方面③，团队也将扩大计算市场②，扩展去中心化训练③，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⑨。

很赞哦⑥！

随机图文