您现在的位置是：网站首页>篮球篮球

hydwcom电玩城最新版

王惜文 2025-05-14 【篮球】 9414 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⑰，老黄天塌了③。

全球首个分布式RL训练模型INTELLECT-2发布⑭，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⑩，训练成本大大降低❷。

其模型性能与DeepSeek-R1媲美❷！

一旦范式成立⑥，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⑮，大公司垄断算力时代可能就此终结⑧。

Just like this~算力来算力来⑮，算力从四面八方来⑫。

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▓，还有不少大佬愿意投钱⑩，包括不限于Karpathy大神⑳、FlashAttention作者Tri Dao大神▓、HuggingFace联创兼CEO Clem Delangue等等⑥。

据团队成员介绍⑨，他们从编写模型强化学习框架prime-rl❶，到今天发布大概只用了两个月时间

目前基础设施已到位⑩，并且经过验证⑤，超过那些先进实验室只是时间问题⑭。

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①。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验❶，只需简单注册就可以使用⑳。与其他通用助手页面类似差不多⑧，不过输入仅支持文本▓。

那咱们先来一些基础问题：INTELLECT-2最大的特点是什么⑬？

在推理思考了几秒钟之后⑲，它给出了答案⑪，首先强调了这是首个去中心化RL训练的超大规模模型⑯，其次还有强化学习训练⑲、参数规模与性能的平衡⑧、数据隐私安全与社区驱动等特点③。

回答基本OK⑫，那直接来上点难度：

一个外星人来到地球后⑲，第一天有相等的可能选择以下四件事中的一件完成：1⑨，自我毁灭④；2❸，分裂成两个外星人⑤；3⑲，分裂成三个外星人⑤；4⑭，什么都不做⑪。

此后每天⑪，每个外星人均会做一次选择❶，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⑪，回答是酱婶⑱。

虽然格式有点乱❷，但是最后回答正确⑩，而且是解析解⑫。o☆[BINGO!]②。

如果昨天是明天就好了①，那么今天就是周五了⑱。 问：句子中的今天可能是星期几⑲？

可以看到基本能力有⑯，但现在还不是特别稳定②。像当你开始新对话时⑧，会碰到以下这种情况⑪。

已经有热心网友已经制作成了GGUF格式上传到HF▓。

分布式强化学习训练❷、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②。

通俗讲⑧，INTELLECT-2就如同一个超大型的众包项目④，任何拥有闲置算力资源的人都可以参与其中⑦。“异步”则是指不同阶段可以独立❸、并行地进行❶，因此不同性能的设备可以同时参与④，而不会相互影响⑱。

具体来说④，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⑤；这些数据经过验证后汇集到中心④，用于更新模型策略❶；更新后的策略再分发到每个节点⑱，开始新一轮迭代⑪。

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-RL❸，实现推理数据生成与模型训练的解耦和异步进行⑯；

参数分发网络SHARDCAST⑨，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⑲；

推理验证协议TOPLOC⑰，验证每个推理节点提交数据的可信性①；

Protocol Testnet⑮，为不同学习任务构建独立算力资源池⑮，实现算力贡献和使用的去中心化管理⑩。

INTELLECT团队已将这四大组件全部开源③。

★核心RL框架PRIME-RL

PRIME-RL的核心⑮，是支持推理数据生成与模型训练的解耦与异步执行❷。

这种方式允许分散的推理节点按照自己的进度生成数据⑨，无需彼此协调和等待⑭。

为了进一步提升性能和减小显存占用⑥，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④。

FSDP将模型的参数和梯度按层切分到不同的GPU上③，每个GPU只负责一部分的计算和存储⑳。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑬，负责将更新后的模型权重广播给全球范围内的推理节点②。

在分布式强化学习中⑥，由于文件体积极大⑤，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⑤，SHARDCAST引入了分片传输⑬、多级缓存❸、智能调度等一系列优化技术⑭。

分片传输指的是将模型权重文件切分成多个小的分片⑪，然后并行传输①。这种做法不仅能充分利用网络带宽⑤，降低传输延迟②，还能提高传输的鲁棒性③，不会因为个别分片传输失败而造成整体重传⑬。

多级缓存是一种类似于CDN的传输模式⑥，具体来说①，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▓。每当中心节点产生新的模型权重⑰，它首先将权重文件推送到这些中继服务器❶。

这样一来⑦，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①，可以有效缓解中心节点的网络I/O压力④。

另外⑦，与普通的被动响应式传输不同❸，SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本⑮，当发现版本落后时⑫，会主动将增量权重推送给节点⑰，确保了权重更新的实时性❷。

同时③，SHARDCAST还会根据网络拓扑和带宽状况❷，动态调整传输策略和路由⑦，选择最优的分发路径⑧。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol⑪，是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑯。

其目的是确保每个推理节点提交的数据可信⑩，避免恶意节点通过提交虚假数据来破坏模型训练⑧。

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⑧。

Proof生成是指当一个推理节点完成一组推理任务后⑧，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proof⑱。

这个proof证明了所提交的数据确实是由特定版本的模型❶、特定的输入④、特定的随机数种子生成的④，其生成基于安全哈希算法❶，确保了proof与推理过程绑定⑪。

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⑰。验证节点首先会重放推理节点的模型prefill⑦，然后将计算得到的中间状态与proof进行比对④。

为了降低开销❷，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⑮；验证节点也只需重放部分关键路径②，而不是全盘重做⑥。

Protocol Testnet是INTELLECT-2的底层基础设施▓，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⑪。

它将不同类别的人工智能训练任务组织成独立的计算域⑮，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①、贡献和信誉值❸。

每个计算域对应了一种特定的训练任务①，如语言模型预训练②、多模态对齐⑬、强化学习等⑯。

针对一个特定的训练任务⑰，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③。

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⑪，▓，都需要在去中心化“账本”上生成一个唯一的密码学身份⑭，用于后续的贡献度记录和信誉管理⑳。

当一个计算域有新的训练任务需要执行时⑪，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⑮。节点按照任务要求⑳，执行计算并生成结果⑰。

节点生成的计算结果需要经过验证⑳，以确保其可信性❶，对于通过验证的结果⑪，节点的贡献度会被记录在去中心化账本上①，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⑪，Testnet还提供了节点发现①、健康监控❸、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❸，保障分布式网络的稳定运行④。

★更多训练细节▓、另外在训练过程中⑯，INTELLECT2还采用了两步异步强化学习的模式❷，也就是权重的广播与正在进行的推理和训练完全重叠⑪，从而消除了通信瓶颈⑳。

以及双面GRPO剪辑④，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▓。

数据方面❷，INTELLECT2采用了来自NuminaMath-1.5❶、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①，显着提高了模型学习效率⑫。

★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-LONG⑲，分别对应短目标长度和长目标长度的训练设置⑨。

TARGET-SHORT：随着训练的进行②，任务奖励显着提高⑫，长度惩罚有所下降⑱；

TARGET-LONG：任务奖励同样大幅提升⑫，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⑤，模型还未完全学会严格遵守思考预算⑯。

与基线模型QwQ-32B相比⑯，INTELLECT-2在数学和编程基准测试上的表现有所提升⑯，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⑰。

在计算资源利用方面❸，INTELLECT-2通过异步强化学习成功实现了通信和计算的重叠⑪。在两个实验设置中⑯，SHARDCAST广播平均耗时14分钟⑧，实现了约590Mb/s的带宽吞吐量②。

团队曾获Karpathy投资

INTELLEC-2背后的团队⑯，名叫Prime Intellect④，位于美国旧金山④。

创始人兼CEO是Vincent Weisser❶，来自德国⑳，之前参与过大量的创业项目①，Prime Intellect是他最新的创业成果⑲。

联创兼CTO Johannes Hagemann❶，德国Hasso Plattner研究所硕士④，本科毕业于多特蒙德工业大学③。

CEO Weisser担任核心成员的创业项目VitaDAO⑦，Hagemann曾出任策略顾问⑫。

创始工程师Jannik Straube⑯，慕尼黑工业大学硕士①，之前曾在IBM工作▓。

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

INTELLECT-1⑯，第一个在分散式基础设施上训练的10B参数模型⑬；

METAGENE-1④，用于早期流行病检测和全球健康应用的生物模型⑳；

INTELLECT-MATH⑫，使用RL训练的数学推理模型⑳。

另外⑰，基于分布式强化学习⑧，团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑥。

今年2月❷，Prime Intellect团队获得了1500万美元的新投资⑳，用来构建点对点AI协议▓。

这笔投资由创始人基金领衔⑮，投资者中还包括大神Karpathy⑯、Hugging Face联创兼CEO Clem Delangue⑭、FlashAttention作者Tri Dao⑦、Stability AI前CEO Emad Mostaque等AI界名人⑭。

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

在接下来的计划当中❶，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⑫，以及融合独立训练的RL模型等一系列工作⑲。

宏观方面❶，团队也将扩大计算市场④，扩展去中心化训练❸，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⑮。

很赞哦⑲！

随机图文