奔驰宝马游戏电玩城免费

白交 克雷西 发自 凹非寺量子位 | 公众号 QbitAI

一夜之间⑬，老黄天塌了⑧。

全球首个分布式RL训练模型INTELLECT-2发布⑥，它仅通过整合全球闲置或分散的计算资源③，就完成了模型的强化学习训练▓，训练成本大大降低⑮。

其模型性能与DeepSeek-R1媲美⑧！

一旦范式成立③，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⑳，大公司垄断算力时代可能就此终结②。

Just like this~算力来算力来⑱，算力从四面八方来❸。

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④，还有不少大佬愿意投钱⑤，包括不限于Karpathy大神③、FlashAttention作者Tri Dao大神⑮、HuggingFace联创兼CEO Clem Delangue等等⑨。

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⑪，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⑧。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑮，只需简单注册就可以使用①。与其他通用助手页面类似差不多③，不过输入仅支持文本②。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么②？

在推理思考了几秒钟之后②，它给出了答案⑧，首先强调了这是首个去中心化RL训练的超大规模模型⑦，其次还有强化学习训练⑮、参数规模与性能的平衡⑪、数据隐私安全与社区驱动等特点⑥。

回答基本OK⑤，那直接来上点难度：

一个外星人来到地球后⑫，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⑰；2⑯，分裂成两个外星人⑲；3⑱，分裂成三个外星人⑩；4❷，什么都不做⑧。

此后每天②，每个外星人均会做一次选择⑨，且彼此之间相互独立⑳，求地球上最终没有外星人的概率

在思考了一会儿之后⑦，回答是酱婶⑰。

虽然格式有点乱▓，但是最后回答正确⑪，而且是解析解⑲。o☆[BINGO!]④。

如果昨天是明天就好了⑱，那么今天就是周五了⑱。 问：句子中的今天可能是星期几⑮？

可以看到基本能力有⑦，但现在还不是特别稳定⑥。像当你开始新对话时⑫，会碰到以下这种情况①。

已经有热心网友已经制作成了GGUF格式上传到HF①。

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⑮，采用了全球分布式异步强化学习的范式④。

通俗讲⑤，INTELLECT-2就如同一个超大型的众包项目⑬，任何拥有闲置算力资源的人都可以参与其中⑨。“异步”则是指不同阶段可以独立▓、并行地进行⑳，因此不同性能的设备可以同时参与⑳，而不会相互影响⑥。

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⑦；这些数据经过验证后汇集到中心⑨，用于更新模型策略⑧；更新后的策略再分发到每个节点⑥，开始新一轮迭代⑩。

在这套流程当中⑦，一共涉及了四大关键组件——

核心RL框架PRIME-RL①，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SHARDCAST⑮，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TOPLOC❶，验证每个推理节点提交数据的可信性⑦；

Protocol Testnet⑥，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⑲。

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⑨，是支持推理数据生成与模型训练的解耦与异步执行⑱。

这种方式允许分散的推理节点按照自己的进度生成数据❷，无需彼此协调和等待⑳。

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⑮。

另外还集成了FSDP技术对模型进行切片①。

FSDP将模型的参数和梯度按层切分到不同的GPU上⑫，每个GPU只负责一部分的计算和存储⑭。

★参数分发网络SHARDCAST

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

在分布式强化学习中⑲，由于文件体积极大⑪，而网络带宽资源良莠不齐②，模型权重的分发通常是一个难点⑮。

为了解决这个问题④，SHARDCAST引入了分片传输⑮、多级缓存❶、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⑯，然后并行传输⑤。这种做法不仅能充分利用网络带宽⑱，降低传输延迟⑳，还能提高传输的鲁棒性⑭，不会因为个别分片传输失败而造成整体重传③。

多级缓存是一种类似于CDN的传输模式❶，具体来说▓，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❸。每当中心节点产生新的模型权重▓，它首先将权重文件推送到这些中继服务器⑰。

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⑫，而不是直接从中心节点获取⑱，可以有效缓解中心节点的网络I/O压力❷。

另外⑮，与普通的被动响应式传输不同①，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑳，当发现版本落后时⑧，会主动将增量权重推送给节点⑫，确保了权重更新的实时性②。

同时⑱，SHARDCAST还会根据网络拓扑和带宽状况⑦，动态调整传输策略和路由⑳，选择最优的分发路径⑪。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol②，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑳。

其目的是确保每个推理节点提交的数据可信⑤，避免恶意节点通过提交虚假数据来破坏模型训练⑮。

TOPLOC通过密码学证明和可验证计算等技术实现③，可以概括为Proof生成和Proof检查两个主要步骤⑲。

Proof生成是指当一个推理节点完成一组推理任务后❷，不仅要将生成的轨迹数据提交给中心节点⑦，还要附带提交一个密码学proof⑩。

这个proof证明了所提交的数据确实是由特定版本的模型⑩、特定的输入⑱、特定的随机数种子生成的❸，其生成基于安全哈希算法⑦，确保了proof与推理过程绑定⑦。

中心节点在收到推理数据和proof后①，会定期抽查部分数据的可信性⑩。验证节点首先会重放推理节点的模型prefill❶，然后将计算得到的中间状态与proof进行比对⑨。

为了降低开销⑫，推理节点只需提交关键的中间状态⑳，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④，而不是全盘重做⑤。

Protocol Testnet是INTELLECT-2的底层基础设施⑦，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④。

它将不同类别的人工智能训练任务组织成独立的计算域⑬，每个计算域都有自己的资源池⑲，由去中心化的“账本系统”来管理节点的身份❷、贡献和信誉值②。

每个计算域对应了一种特定的训练任务⑦，如语言模型预训练⑬、多模态对齐❷、强化学习等④。

针对一个特定的训练任务⑧，开发者会在Testnet上注册一个新的计算域⑤，计算域定义了任务的相关属性和协议规范❸。

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⑬。每个节点在加入时④，⑳，都需要在去中心化“账本”上生成一个唯一的密码学身份▓，用于后续的贡献度记录和信誉管理④。

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⑬，将任务分发到合适的节点上⑧。节点按照任务要求⑩，执行计算并生成结果⑮。

节点生成的计算结果需要经过验证⑱，以确保其可信性❷，对于通过验证的结果⑥，节点的贡献度会被记录在去中心化账本上⑮，作为后续奖励分配的依据⑯。

服务支持：在整个任务执行过程中②，Testnet还提供了节点发现①、健康监控⑦、日志管理等一系列配套服务⑳，以协助节点的管理和问题诊断⑭，保障分布式网络的稳定运行❶。

★更多训练细节⑳、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①，也就是权重的广播与正在进行的推理和训练完全重叠⑦，从而消除了通信瓶颈▓。

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⑳，从而使训练更加稳定⑱。

数据方面❶，INTELLECT2采用了来自NuminaMath-1.5⑧、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑩，并结合离线和在线过滤来选择具有挑战性的任务①，显着提高了模型学习效率⑦。

★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-LONG⑥，分别对应短目标长度和长目标长度的训练设置⑦。

TARGET-SHORT：随着训练的进行⑥，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❶，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⑪，模型还未完全学会严格遵守思考预算⑲。

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⑦，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❸。

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⑳。在两个实验设置中⑭，SHARDCAST广播平均耗时14分钟③，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⑰，名叫Prime Intellect⑨，位于美国旧金山②。

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

联创兼CTO Johannes Hagemann⑮，德国Hasso Plattner研究所硕士⑭，本科毕业于多特蒙德工业大学⑧。

CEO Weisser担任核心成员的创业项目VitaDAO⑤，Hagemann曾出任策略顾问⑥。

创始工程师Jannik Straube②，慕尼黑工业大学硕士⑳，之前曾在IBM工作❸。

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

INTELLECT-1⑲，第一个在分散式基础设施上训练的10B参数模型❸；

METAGENE-1⑤，用于早期流行病检测和全球健康应用的生物模型③；

INTELLECT-MATH▓，使用RL训练的数学推理模型⑰。

另外⑩，基于分布式强化学习⑥，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑦。

今年2月⑥，Prime Intellect团队获得了1500万美元的新投资⑯，用来构建点对点AI协议⑤。

这笔投资由创始人基金领衔⑪，投资者中还包括大神Karpathy⑧、Hugging Face联创兼CEO Clem Delangue⑤、FlashAttention作者Tri Dao❷、Stability AI前CEO Emad Mostaque等AI界名人⑱。

加上之前已有的资金⑱，Prime Intellect团队获得的总资金超过了2000万美元①。

在接下来的计划当中⑤，Prime Intellect将进行提高推理-训练计算的比例⑥，为模型提供推理链中的内置工具⑱，以及融合独立训练的RL模型等一系列工作⑤。

宏观方面⑩，团队也将扩大计算市场⑥，扩展去中心化训练②，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⑱。

转载：感谢您对电玩城捕鱼种类都有的软件网站平台的认可⑰，以及对电玩城捕鱼种类都有的软件原创作品以及文章的青睐⑦，非常欢迎各位朋友分享到个人站长或者朋友圈②，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑩。

很赞哦⑧！