电玩城押注类型游戏

白交 克雷西 发自 凹非寺量子位 | 公众号 QbitAI

一夜之间⑯，老黄天塌了⑪。

全球首个分布式RL训练模型INTELLECT-2发布⑫，它仅通过整合全球闲置或分散的计算资源⑪，就完成了模型的强化学习训练⑧，训练成本大大降低④。

其模型性能与DeepSeek-R1媲美⑦！

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⑮，世界上任何一个人都可以参与到模型训练当中❷，大公司垄断算力时代可能就此终结①。

Just like this~算力来算力来⑲，算力从四面八方来⑮。

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⑩，还有不少大佬愿意投钱④，包括不限于Karpathy大神⑥、FlashAttention作者Tri Dao大神⑦、HuggingFace联创兼CEO Clem Delangue等等▓。

据团队成员介绍❶，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⑮，并且经过验证⑬，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②。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验▓，只需简单注册就可以使用⑪。与其他通用助手页面类似差不多⑤，不过输入仅支持文本⑳。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑪？

在推理思考了几秒钟之后⑳，它给出了答案⑯，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❸、参数规模与性能的平衡⑫、数据隐私安全与社区驱动等特点⑫。

回答基本OK▓，那直接来上点难度：

一个外星人来到地球后⑬，第一天有相等的可能选择以下四件事中的一件完成：1⑱，自我毁灭❶；2④，分裂成两个外星人③；3⑯，分裂成三个外星人⑪；4⑲，什么都不做⑥。

此后每天❸，每个外星人均会做一次选择⑲，且彼此之间相互独立⑦，求地球上最终没有外星人的概率

在思考了一会儿之后⑥，回答是酱婶⑰。

虽然格式有点乱⑱，但是最后回答正确⑧，而且是解析解⑪。o☆[BINGO!]⑬。

如果昨天是明天就好了⑲，那么今天就是周五了❷。 问：句子中的今天可能是星期几④？

可以看到基本能力有⑥，但现在还不是特别稳定①。像当你开始新对话时⑫，会碰到以下这种情况⑩。

已经有热心网友已经制作成了GGUF格式上传到HF⑭。

分布式强化学习训练⑧、INTELLECT-2是一个分布式的大模型训练框架⑲，采用了全球分布式异步强化学习的范式②。

通俗讲⑰，INTELLECT-2就如同一个超大型的众包项目❷，任何拥有闲置算力资源的人都可以参与其中⑳。“异步”则是指不同阶段可以独立▓、并行地进行❷，因此不同性能的设备可以同时参与❷，而不会相互影响⑱。

具体来说②，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⑯；这些数据经过验证后汇集到中心②，用于更新模型策略⑮；更新后的策略再分发到每个节点⑲，开始新一轮迭代⑫。

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-RL④，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SHARDCAST⑱，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⑫；

推理验证协议TOPLOC❷，验证每个推理节点提交数据的可信性⑲；

Protocol Testnet▓，为不同学习任务构建独立算力资源池❷，实现算力贡献和使用的去中心化管理②。

INTELLECT团队已将这四大组件全部开源⑲。

★核心RL框架PRIME-RL

PRIME-RL的核心⑧，是支持推理数据生成与模型训练的解耦与异步执行⑤。

这种方式允许分散的推理节点按照自己的进度生成数据❶，无需彼此协调和等待⑱。

为了进一步提升性能和减小显存占用⑧，PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时▓。

另外还集成了FSDP技术对模型进行切片❶。

FSDP将模型的参数和梯度按层切分到不同的GPU上⑬，每个GPU只负责一部分的计算和存储②。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑫，负责将更新后的模型权重广播给全球范围内的推理节点⑳。

在分布式强化学习中⑧，由于文件体积极大③，而网络带宽资源良莠不齐⑩，模型权重的分发通常是一个难点⑨。

为了解决这个问题④，SHARDCAST引入了分片传输④、多级缓存②、智能调度等一系列优化技术⑤。

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⑯。这种做法不仅能充分利用网络带宽⑤，降低传输延迟❷，还能提高传输的鲁棒性②，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⑤，具体来说⑰，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⑱。每当中心节点产生新的模型权重⑥，它首先将权重文件推送到这些中继服务器❸。

这样一来⑩，推理节点就可以就近从中继服务器拉取权重文件❸，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⑥，与普通的被动响应式传输不同❶，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本③，当发现版本落后时③，会主动将增量权重推送给节点②，确保了权重更新的实时性③。

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

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol⑱，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件①。

其目的是确保每个推理节点提交的数据可信②，避免恶意节点通过提交虚假数据来破坏模型训练⑩。

TOPLOC通过密码学证明和可验证计算等技术实现⑥，可以概括为Proof生成和Proof检查两个主要步骤④。

Proof生成是指当一个推理节点完成一组推理任务后⑱，不仅要将生成的轨迹数据提交给中心节点⑱，还要附带提交一个密码学proof⑳。

这个proof证明了所提交的数据确实是由特定版本的模型⑦、特定的输入①、特定的随机数种子生成的⑯，其生成基于安全哈希算法⑪，确保了proof与推理过程绑定⑨。

中心节点在收到推理数据和proof后②，会定期抽查部分数据的可信性⑧。验证节点首先会重放推理节点的模型prefill⑳，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⑨，推理节点只需提交关键的中间状态⑨，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❸，而不是全盘重做②。

Protocol Testnet是INTELLECT-2的底层基础设施④，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⑥。

它将不同类别的人工智能训练任务组织成独立的计算域⑯，每个计算域都有自己的资源池⑩，由去中心化的“账本系统”来管理节点的身份⑫、贡献和信誉值③。

每个计算域对应了一种特定的训练任务⑥，如语言模型预训练②、多模态对齐⑤、强化学习等⑩。

针对一个特定的训练任务❷，开发者会在Testnet上注册一个新的计算域⑧，计算域定义了任务的相关属性和协议规范⑯。

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⑭。每个节点在加入时⑳，⑫，都需要在去中心化“账本”上生成一个唯一的密码学身份⑱，用于后续的贡献度记录和信誉管理❶。

当一个计算域有新的训练任务需要执行时⑥，Testnet的任务调度服务会根据各节点的算力特征和网络状况⑩，将任务分发到合适的节点上④。节点按照任务要求▓，执行计算并生成结果⑦。

节点生成的计算结果需要经过验证▓，以确保其可信性⑧，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⑧，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⑤，Testnet还提供了节点发现⑰、健康监控⑬、日志管理等一系列配套服务⑥，以协助节点的管理和问题诊断❸，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⑲，INTELLECT2还采用了两步异步强化学习的模式⑫，也就是权重的广播与正在进行的推理和训练完全重叠⑯，从而消除了通信瓶颈⑳。

以及双面GRPO剪辑⑦，通过使用双面标记概率比剪辑来缓解梯度尖峰⑥，从而使训练更加稳定①。

数据方面⑮，INTELLECT2采用了来自NuminaMath-1.5⑤、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务⑲，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①。

★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-LONG⑬，分别对应短目标长度和长目标长度的训练设置④。

TARGET-SHORT：随着训练的进行⑫，任务奖励显着提高⑮，长度惩罚有所下降⑧；

TARGET-LONG：任务奖励同样大幅提升⑨，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①，模型还未完全学会严格遵守思考预算⑱。

与基线模型QwQ-32B相比⑨，INTELLECT-2在数学和编程基准测试上的表现有所提升⑳，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⑩。

在计算资源利用方面②，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑱。在两个实验设置中⑤，SHARDCAST广播平均耗时14分钟⑨，实现了约590Mb/s的带宽吞吐量⑳。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑦，名叫Prime Intellect⑧，位于美国旧金山③。

创始人兼CEO是Vincent Weisser⑨，来自德国⑮，之前参与过大量的创业项目⑯，Prime Intellect是他最新的创业成果⑰。

联创兼CTO Johannes Hagemann⑪，德国Hasso Plattner研究所硕士⑱，本科毕业于多特蒙德工业大学⑭。

CEO Weisser担任核心成员的创业项目VitaDAO❷，Hagemann曾出任策略顾问⑪。

创始工程师Jannik Straube⑱，慕尼黑工业大学硕士⑱，之前曾在IBM工作⑨。

在INTELLEC-2之前①，Prime Intellect团队也发布过一系列分布式训练的模型成果：

INTELLECT-1⑮，第一个在分散式基础设施上训练的10B参数模型⑱；

METAGENE-1❷，用于早期流行病检测和全球健康应用的生物模型⑪；

INTELLECT-MATH⑬，使用RL训练的数学推理模型⑪。

另外⑰，基于分布式强化学习⑳，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑩。

今年2月❸，Prime Intellect团队获得了1500万美元的新投资①，用来构建点对点AI协议⑰。

这笔投资由创始人基金领衔❶，投资者中还包括大神Karpathy⑯、Hugging Face联创兼CEO Clem Delangue④、FlashAttention作者Tri Dao⑦、Stability AI前CEO Emad Mostaque等AI界名人⑥。

加上之前已有的资金⑤，Prime Intellect团队获得的总资金超过了2000万美元⑪。

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

宏观方面❶，团队也将扩大计算市场⑳，扩展去中心化训练⑬，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。

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②，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❷，非常欢迎各位朋友分享到个人站长或者朋友圈⑪，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑬。

很赞哦⑯！