您现在的位置是：网站首页>世界足球世界足球

99电玩城官网app下载地址

钱初丹④。听兰 2025-05-14 【世界足球】 8845 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❸，老黄天塌了⑳。

全球首个分布式RL训练模型INTELLECT-2发布⑦，它仅通过整合全球闲置或分散的计算资源②，就完成了模型的强化学习训练⑮，训练成本大大降低②。

其模型性能与DeepSeek-R1媲美⑥！

一旦范式成立②，这也就意味RL训练摆脱了对集中式算力的依赖⑯，世界上任何一个人都可以参与到模型训练当中②，大公司垄断算力时代可能就此终结⑤。

Just like this~算力来算力来⑱，算力从四面八方来④。

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⑯，还有不少大佬愿意投钱⑯，包括不限于Karpathy大神③、FlashAttention作者Tri Dao大神⑫、HuggingFace联创兼CEO Clem Delangue等等⑨。

据团队成员介绍①，他们从编写模型强化学习框架prime-rl②，到今天发布大概只用了两个月时间

目前基础设施已到位▓，并且经过验证③，超过那些先进实验室只是时间问题⑯。

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⑳。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑯，只需简单注册就可以使用③。与其他通用助手页面类似差不多⑭，不过输入仅支持文本⑰。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑮？

在推理思考了几秒钟之后⑲，它给出了答案⑱，首先强调了这是首个去中心化RL训练的超大规模模型⑲，其次还有强化学习训练⑬、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❷。

回答基本OK⑫，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：1❸，自我毁灭❸；2▓，分裂成两个外星人⑨；3⑪，分裂成三个外星人①；4▓，什么都不做⑫。

此后每天⑲，每个外星人均会做一次选择⑲，且彼此之间相互独立⑪，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④。

虽然格式有点乱⑪，但是最后回答正确⑧，而且是解析解⑧。o☆[BINGO!]⑨。

如果昨天是明天就好了①，那么今天就是周五了❸。 问：句子中的今天可能是星期几⑮？

可以看到基本能力有❶，但现在还不是特别稳定⑮。像当你开始新对话时⑤，会碰到以下这种情况⑲。

已经有热心网友已经制作成了GGUF格式上传到HF⑱。

分布式强化学习训练❶、INTELLECT-2是一个分布式的大模型训练框架⑮，采用了全球分布式异步强化学习的范式⑮。

通俗讲❸，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⑱。“异步”则是指不同阶段可以独立⑬、并行地进行⑯，因此不同性能的设备可以同时参与⑩，而不会相互影响④。

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④；这些数据经过验证后汇集到中心④，用于更新模型策略⑨；更新后的策略再分发到每个节点❷，开始新一轮迭代⑧。

在这套流程当中①，一共涉及了四大关键组件——

核心RL框架PRIME-RL⑦，实现推理数据生成与模型训练的解耦和异步进行⑫；

参数分发网络SHARDCAST⑳，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⑳；

推理验证协议TOPLOC⑨，验证每个推理节点提交数据的可信性⑥；

Protocol Testnet▓，为不同学习任务构建独立算力资源池⑳，实现算力贡献和使用的去中心化管理⑲。

INTELLECT团队已将这四大组件全部开源❸。

★核心RL框架PRIME-RL

PRIME-RL的核心⑦，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⑫。

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⑥。

另外还集成了FSDP技术对模型进行切片⑭。

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▓。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑳，负责将更新后的模型权重广播给全球范围内的推理节点①。

在分布式强化学习中③，由于文件体积极大⑥，而网络带宽资源良莠不齐⑱，模型权重的分发通常是一个难点⑱。

为了解决这个问题⑨，SHARDCAST引入了分片传输③、多级缓存⑭、智能调度等一系列优化技术❶。

分片传输指的是将模型权重文件切分成多个小的分片⑰，然后并行传输⑭。这种做法不仅能充分利用网络带宽⑪，降低传输延迟⑥，还能提高传输的鲁棒性①，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❶，具体来说❸，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⑮。每当中心节点产生新的模型权重⑮，它首先将权重文件推送到这些中继服务器⑪。

这样一来❸，推理节点就可以就近从中继服务器拉取权重文件⑬，而不是直接从中心节点获取⑨，可以有效缓解中心节点的网络I/O压力⑩。

另外⑨，与普通的被动响应式传输不同②，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本❶，当发现版本落后时⑨，会主动将增量权重推送给节点⑳，确保了权重更新的实时性⑫。

同时④，SHARDCAST还会根据网络拓扑和带宽状况▓，动态调整传输策略和路由⑤，选择最优的分发路径⑰。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol⑨，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⑭，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①，可以概括为Proof生成和Proof检查两个主要步骤❶。

Proof生成是指当一个推理节点完成一组推理任务后⑪，不仅要将生成的轨迹数据提交给中心节点⑥，还要附带提交一个密码学proof❷。

这个proof证明了所提交的数据确实是由特定版本的模型⑥、特定的输入⑯、特定的随机数种子生成的②，其生成基于安全哈希算法❸，确保了proof与推理过程绑定⑫。

中心节点在收到推理数据和proof后⑪，会定期抽查部分数据的可信性①。验证节点首先会重放推理节点的模型prefill⑱，然后将计算得到的中间状态与proof进行比对❶。

为了降低开销⑦，推理节点只需提交关键的中间状态⑧，而非完整的计算过程⑳；验证节点也只需重放部分关键路径⑭，而不是全盘重做▓。

Protocol Testnet是INTELLECT-2的底层基础设施⑭，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⑳。

它将不同类别的人工智能训练任务组织成独立的计算域③，每个计算域都有自己的资源池⑪，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⑨。

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⑩、多模态对齐⑯、强化学习等⑪。

针对一个特定的训练任务⑳，开发者会在Testnet上注册一个新的计算域⑳，计算域定义了任务的相关属性和协议规范⑦。

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⑫。每个节点在加入时⑲，❸，都需要在去中心化“账本”上生成一个唯一的密码学身份⑬，用于后续的贡献度记录和信誉管理▓。

当一个计算域有新的训练任务需要执行时⑮，Testnet的任务调度服务会根据各节点的算力特征和网络状况⑬，将任务分发到合适的节点上❸。节点按照任务要求⑤，执行计算并生成结果①。

节点生成的计算结果需要经过验证⑱，以确保其可信性▓，对于通过验证的结果⑲，节点的贡献度会被记录在去中心化账本上⑪，作为后续奖励分配的依据⑥。

服务支持：在整个任务执行过程中⑨，Testnet还提供了节点发现⑭、健康监控⑱、日志管理等一系列配套服务⑱，以协助节点的管理和问题诊断④，保障分布式网络的稳定运行⑦。

★更多训练细节⑭、另外在训练过程中⑭，INTELLECT2还采用了两步异步强化学习的模式④，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❷，通过使用双面标记概率比剪辑来缓解梯度尖峰⑳，从而使训练更加稳定①。

数据方面①，INTELLECT2采用了来自NuminaMath-1.5⑦、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑰，并结合离线和在线过滤来选择具有挑战性的任务⑲，显着提高了模型学习效率⑲。

★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-LONG⑫，分别对应短目标长度和长目标长度的训练设置①。

TARGET-SHORT：随着训练的进行⑱，任务奖励显着提高⑯，长度惩罚有所下降❸；

TARGET-LONG：任务奖励同样大幅提升⑧，长度惩罚也呈下降趋势⑱，但在实验的有限时间内尚未完全收敛⑰，模型还未完全学会严格遵守思考预算⑧。

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⑪，但在IFEval上略有下降①，可能是因为训练只专注于数学和编程任务①。

在计算资源利用方面❷，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑩。在两个实验设置中②，SHARDCAST广播平均耗时14分钟④，实现了约590Mb/s的带宽吞吐量⑦。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑭，名叫Prime Intellect⑬，位于美国旧金山⑬。

创始人兼CEO是Vincent Weisser⑭，来自德国⑰，之前参与过大量的创业项目⑬，Prime Intellect是他最新的创业成果⑪。

联创兼CTO Johannes Hagemann❷，德国Hasso Plattner研究所硕士⑨，本科毕业于多特蒙德工业大学⑦。

CEO Weisser担任核心成员的创业项目VitaDAO⑬，Hagemann曾出任策略顾问❸。

创始工程师Jannik Straube②，慕尼黑工业大学硕士⑭，之前曾在IBM工作⑫。

在INTELLEC-2之前③，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1①，第一个在分散式基础设施上训练的10B参数模型❷；

METAGENE-1⑧，用于早期流行病检测和全球健康应用的生物模型⑮；

INTELLECT-MATH③，使用RL训练的数学推理模型⑮。

另外⑦，基于分布式强化学习②，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑱。

今年2月⑫，Prime Intellect团队获得了1500万美元的新投资⑩，用来构建点对点AI协议④。

这笔投资由创始人基金领衔⑩，投资者中还包括大神Karpathy⑧、Hugging Face联创兼CEO Clem Delangue②、FlashAttention作者Tri Dao③、Stability AI前CEO Emad Mostaque等AI界名人⑲。

加上之前已有的资金⑪，Prime Intellect团队获得的总资金超过了2000万美元▓。

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⑮，以及融合独立训练的RL模型等一系列工作❷。

宏观方面⑰，团队也将扩大计算市场⑮，扩展去中心化训练⑩，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⑯。

很赞哦④！

随机图文