您现在的位置是：网站首页> 电竞电竞

恒星电玩城正版下载

董涵蕾 2025-05-14 【电竞】 0311 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⑲，老黄天塌了▓。

全球首个分布式RL训练模型INTELLECT-2发布⑳，它仅通过整合全球闲置或分散的计算资源⑨，就完成了模型的强化学习训练⑬，训练成本大大降低⑥。

其模型性能与DeepSeek-R1媲美⑪！

一旦范式成立⑦，这也就意味RL训练摆脱了对集中式算力的依赖⑪，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⑦。

Just like this~算力来算力来⑩，算力从四面八方来⑧。

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⑮，还有不少大佬愿意投钱⑬，包括不限于Karpathy大神②、FlashAttention作者Tri Dao大神⑭、HuggingFace联创兼CEO Clem Delangue等等⑳。

据团队成员介绍❷，他们从编写模型强化学习框架prime-rl⑬，到今天发布大概只用了两个月时间

目前基础设施已到位⑤，并且经过验证⑦，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▓。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑤，只需简单注册就可以使用⑤。与其他通用助手页面类似差不多⑮，不过输入仅支持文本③。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑩？

在推理思考了几秒钟之后⑰，它给出了答案⑨，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⑦、参数规模与性能的平衡③、数据隐私安全与社区驱动等特点⑮。

回答基本OK❶，那直接来上点难度：

一个外星人来到地球后⑨，第一天有相等的可能选择以下四件事中的一件完成：1❷，自我毁灭⑭；2⑱，分裂成两个外星人④；3⑱，分裂成三个外星人⑮；4⑭，什么都不做⑧。

此后每天⑭，每个外星人均会做一次选择④，且彼此之间相互独立▓，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❸，但是最后回答正确⑥，而且是解析解⑲。o☆[BINGO!]⑩。

如果昨天是明天就好了③，那么今天就是周五了⑤。 问：句子中的今天可能是星期几⑳？

可以看到基本能力有⑩，但现在还不是特别稳定⑱。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HF⑨。

分布式强化学习训练④、INTELLECT-2是一个分布式的大模型训练框架⑧，采用了全球分布式异步强化学习的范式⑱。

通俗讲⑱，INTELLECT-2就如同一个超大型的众包项目⑰，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⑩、并行地进行⑧，因此不同性能的设备可以同时参与①，而不会相互影响⑨。

具体来说❷，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⑪；这些数据经过验证后汇集到中心▓，用于更新模型策略⑯；更新后的策略再分发到每个节点①，开始新一轮迭代⑤。

在这套流程当中⑮，一共涉及了四大关键组件——

核心RL框架PRIME-RL❷，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⑩；

推理验证协议TOPLOC⑨，验证每个推理节点提交数据的可信性⑨；

Protocol Testnet⑥，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⑬。

INTELLECT团队已将这四大组件全部开源⑬。

★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④。

这种方式允许分散的推理节点按照自己的进度生成数据①，无需彼此协调和等待⑪。

为了进一步提升性能和减小显存占用⑫，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时⑫。

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⑲，每个GPU只负责一部分的计算和存储③。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络②，负责将更新后的模型权重广播给全球范围内的推理节点⑱。

在分布式强化学习中⑬，由于文件体积极大⑤，而网络带宽资源良莠不齐▓，模型权重的分发通常是一个难点⑭。

为了解决这个问题⑬，SHARDCAST引入了分片传输⑥、多级缓存⑱、智能调度等一系列优化技术⑨。

分片传输指的是将模型权重文件切分成多个小的分片❸，然后并行传输⑰。这种做法不仅能充分利用网络带宽②，降低传输延迟②，还能提高传输的鲁棒性❸，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②，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②。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⑳，推理节点就可以就近从中继服务器拉取权重文件③，而不是直接从中心节点获取❷，可以有效缓解中心节点的网络I/O压力⑪。

另外❷，与普通的被动响应式传输不同⑩，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本❷，当发现版本落后时⑰，会主动将增量权重推送给节点⑥，确保了权重更新的实时性⑤。

同时③，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④，选择最优的分发路径❸。

★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⑭。

其目的是确保每个推理节点提交的数据可信④，避免恶意节点通过提交虚假数据来破坏模型训练⑤。

TOPLOC通过密码学证明和可验证计算等技术实现⑧，可以概括为Proof生成和Proof检查两个主要步骤⑩。

Proof生成是指当一个推理节点完成一组推理任务后⑬，不仅要将生成的轨迹数据提交给中心节点①，还要附带提交一个密码学proof③。

这个proof证明了所提交的数据确实是由特定版本的模型⑮、特定的输入⑩、特定的随机数种子生成的⑰，其生成基于安全哈希算法⑪，确保了proof与推理过程绑定⑧。

中心节点在收到推理数据和proof后⑰，会定期抽查部分数据的可信性❶。验证节点首先会重放推理节点的模型prefill⑬，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⑪，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⑫；验证节点也只需重放部分关键路径⑦，而不是全盘重做④。

Protocol Testnet是INTELLECT-2的底层基础设施⑥，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⑪，每个计算域都有自己的资源池⑰，由去中心化的“账本系统”来管理节点的身份⑦、贡献和信誉值⑲。

每个计算域对应了一种特定的训练任务❸，如语言模型预训练⑩、多模态对齐⑥、强化学习等❷。

针对一个特定的训练任务⑨，开发者会在Testnet上注册一个新的计算域▓，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⑨。每个节点在加入时①，⑩，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⑧。

当一个计算域有新的训练任务需要执行时⑧，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▓。节点按照任务要求⑨，执行计算并生成结果⑧。

节点生成的计算结果需要经过验证④，以确保其可信性▓，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④，作为后续奖励分配的依据⑩。

服务支持：在整个任务执行过程中❷，Testnet还提供了节点发现⑫、健康监控⑯、日志管理等一系列配套服务⑬，以协助节点的管理和问题诊断❶，保障分布式网络的稳定运行⑬。

★更多训练细节⑧、另外在训练过程中⑦，INTELLECT2还采用了两步异步强化学习的模式⑦，也就是权重的广播与正在进行的推理和训练完全重叠⑲，从而消除了通信瓶颈⑮。

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②，从而使训练更加稳定⑫。

数据方面⑭，INTELLECT2采用了来自NuminaMath-1.5❶、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⑩，显着提高了模型学习效率⑩。

★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-LONG②，分别对应短目标长度和长目标长度的训练设置⑳。

TARGET-SHORT：随着训练的进行⑨，任务奖励显着提高⑫，长度惩罚有所下降⑦；

TARGET-LONG：任务奖励同样大幅提升❶，长度惩罚也呈下降趋势❶，但在实验的有限时间内尚未完全收敛⑥，模型还未完全学会严格遵守思考预算▓。

与基线模型QwQ-32B相比⑮，INTELLECT-2在数学和编程基准测试上的表现有所提升④，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❶。

在计算资源利用方面③，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑫。在两个实验设置中③，SHARDCAST广播平均耗时14分钟⑱，实现了约590Mb/s的带宽吞吐量⑨。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑰，名叫Prime Intellect⑭，位于美国旧金山⑯。

创始人兼CEO是Vincent Weisser⑧，来自德国④，之前参与过大量的创业项目❷，Prime Intellect是他最新的创业成果②。

联创兼CTO Johannes Hagemann②，德国Hasso Plattner研究所硕士⑪，本科毕业于多特蒙德工业大学▓。

CEO Weisser担任核心成员的创业项目VitaDAO❶，Hagemann曾出任策略顾问⑯。

创始工程师Jannik Straube▓，慕尼黑工业大学硕士⑯，之前曾在IBM工作⑳。

在INTELLEC-2之前⑬，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1④，第一个在分散式基础设施上训练的10B参数模型⑤；

METAGENE-1⑲，用于早期流行病检测和全球健康应用的生物模型④；

INTELLECT-MATH⑨，使用RL训练的数学推理模型⑬。

另外⑬，基于分布式强化学习❶，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1❸。

今年2月⑰，Prime Intellect团队获得了1500万美元的新投资⑬，用来构建点对点AI协议③。

这笔投资由创始人基金领衔⑮，投资者中还包括大神Karpathy②、Hugging Face联创兼CEO Clem Delangue❸、FlashAttention作者Tri Dao⑥、Stability AI前CEO Emad Mostaque等AI界名人⑪。

加上之前已有的资金⑰，Prime Intellect团队获得的总资金超过了2000万美元⑥。

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❷，为模型提供推理链中的内置工具⑦，以及融合独立训练的RL模型等一系列工作⑰。

宏观方面⑲，团队也将扩大计算市场⑥，扩展去中心化训练▓，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③。

很赞哦⑨！

随机图文