您现在的位置是:网站首页> 游戏游戏

H9电玩城微信上下分客服

蔡水绿 2025-05-14 游戏 7132 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❷,老黄天塌了⑱。

全球首个分布式RL训练模型INTELLECT-2发布❶,它仅通过整合全球闲置或分散的计算资源⑯,就完成了模型的强化学习训练⑱,训练成本大大降低❸。

其模型性能与DeepSeek-R1媲美⑧!

一旦范式成立❶,这也就意味RL训练摆脱了对集中式算力的依赖⑥,世界上任何一个人都可以参与到模型训练当中③,大公司垄断算力时代可能就此终结⑪。

Just like this~算力来算力来⑰,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⑩,还有不少大佬愿意投钱⑯,包括不限于Karpathy大神⑧、FlashAttention作者Tri Dao大神⑬、HuggingFace联创兼CEO Clem Delangue等等⑲。

据团队成员介绍⑧,他们从编写模型强化学习框架prime-rl⑨,到今天发布大概只用了两个月时间

目前基础设施已到位⑱,并且经过验证⑤,超过那些先进实验室只是时间问题②。

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⑲。

INTELLECT-2抢先测

目前INTELLECT-2支持网页端体验⑧,只需简单注册就可以使用⑦。与其他通用助手页面类似差不多⑦,不过输入仅支持文本⑯。

那咱们先来一些基础问题:INTELLECT-2最大的特点是什么⑨?

在推理思考了几秒钟之后❷,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⑭,其次还有强化学习训练⑳、参数规模与性能的平衡②、数据隐私安全与社区驱动等特点③。

回答基本OK❷,那直接来上点难度:

一个外星人来到地球后⑥,第一天有相等的可能选择以下四件事中的一件完成:1⑰,自我毁灭⑪;2⑤,分裂成两个外星人①;3②,分裂成三个外星人⑮;4④,什么都不做❸。

此后每天❷,每个外星人均会做一次选择▓,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❶,回答是酱婶⑦。

虽然格式有点乱❶,但是最后回答正确⑳,而且是解析解⑩。o☆[BINGO!]⑪。

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

可以看到基本能力有❶,但现在还不是特别稳定❷。像当你开始新对话时⑩,会碰到以下这种情况⑳。

已经有热心网友已经制作成了GGUF格式上传到HF⑰。

分布式强化学习训练⑲、INTELLECT-2是一个分布式的大模型训练框架⑤,采用了全球分布式异步强化学习的范式①。

通俗讲⑦,INTELLECT-2就如同一个超大型的众包项目⑪,任何拥有闲置算力资源的人都可以参与其中⑲。“异步”则是指不同阶段可以独立⑫、并行地进行②,因此不同性能的设备可以同时参与⑦,而不会相互影响⑩。

具体来说⑰,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❸;这些数据经过验证后汇集到中心❶,用于更新模型策略④;更新后的策略再分发到每个节点⑧,开始新一轮迭代⑯。

在这套流程当中❸,一共涉及了四大关键组件——

核心RL框架PRIME-RL⑮,实现推理数据生成与模型训练的解耦和异步进行❶;

参数分发网络SHARDCAST⑰,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⑪;

推理验证协议TOPLOC❸,验证每个推理节点提交数据的可信性❸;

Protocol Testnet⑭,为不同学习任务构建独立算力资源池⑤,实现算力贡献和使用的去中心化管理⑰。

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⑬,是支持推理数据生成与模型训练的解耦与异步执行①。

这种方式允许分散的推理节点按照自己的进度生成数据⑮,无需彼此协调和等待⑰。

为了进一步提升性能和减小显存占用③,PRIME-RL采用支持bfloat16精度的vLLM作为推理运行时⑧。

另外还集成了FSDP技术对模型进行切片③。

FSDP将模型的参数和梯度按层切分到不同的GPU上②,每个GPU只负责一部分的计算和存储④。

★参数分发网络SHARDCAST

SHARDCAST是一个基于HTTP的参数分发网络⑤,负责将更新后的模型权重广播给全球范围内的推理节点⑪。

在分布式强化学习中▓,由于文件体积极大⑰,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❷。

为了解决这个问题⑫,SHARDCAST引入了分片传输③、多级缓存⑤、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⑭,然后并行传输⑭。这种做法不仅能充分利用网络带宽⑬,降低传输延迟⑥,还能提高传输的鲁棒性⑩,不会因为个别分片传输失败而造成整体重传▓。

多级缓存是一种类似于CDN的传输模式⑫,具体来说④,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⑩。每当中心节点产生新的模型权重⑤,它首先将权重文件推送到这些中继服务器▓。

这样一来▓,推理节点就可以就近从中继服务器拉取权重文件⑮,而不是直接从中心节点获取②,可以有效缓解中心节点的网络I/O压力⑥。

另外❷,与普通的被动响应式传输不同⑲,SHARDCAST的中继服务器会主动跟踪每个推理节点的权重版本④,当发现版本落后时⑥,会主动将增量权重推送给节点▓,确保了权重更新的实时性⑫。

同时⑩,SHARDCAST还会根据网络拓扑和带宽状况⑧,动态调整传输策略和路由⑪,选择最优的分发路径④。

★推理验证协议TOPLOC

TOPLOC全称Tierion backed Proof-of-Locality Protocol▓,是INTELLECT-2中负责验证推理节点生成数据可信性的关键组件⑲。

其目的是确保每个推理节点提交的数据可信⑮,避免恶意节点通过提交虚假数据来破坏模型训练①。

TOPLOC通过密码学证明和可验证计算等技术实现⑮,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②,不仅要将生成的轨迹数据提交给中心节点④,还要附带提交一个密码学proof⑤。

这个proof证明了所提交的数据确实是由特定版本的模型⑯、特定的输入⑪、特定的随机数种子生成的⑫,其生成基于安全哈希算法⑱,确保了proof与推理过程绑定▓。

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⑱。验证节点首先会重放推理节点的模型prefill⑥,然后将计算得到的中间状态与proof进行比对①。

为了降低开销❸,推理节点只需提交关键的中间状态⑫,而非完整的计算过程⑭;验证节点也只需重放部分关键路径⑱,而不是全盘重做⑲。

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

它将不同类别的人工智能训练任务组织成独立的计算域⑥,每个计算域都有自己的资源池⑨,由去中心化的“账本系统”来管理节点的身份▓、贡献和信誉值⑮。

每个计算域对应了一种特定的训练任务⑮,如语言模型预训练⑰、多模态对齐⑫、强化学习等⑲。

针对一个特定的训练任务❶,开发者会在Testnet上注册一个新的计算域④,计算域定义了任务的相关属性和协议规范❶。

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▓。每个节点在加入时⑨,⑮,都需要在去中心化“账本”上生成一个唯一的密码学身份⑲,用于后续的贡献度记录和信誉管理❷。

当一个计算域有新的训练任务需要执行时⑲,Testnet的任务调度服务会根据各节点的算力特征和网络状况⑦,将任务分发到合适的节点上❸。节点按照任务要求⑩,执行计算并生成结果④。

节点生成的计算结果需要经过验证❶,以确保其可信性②,对于通过验证的结果❷,节点的贡献度会被记录在去中心化账本上❶,作为后续奖励分配的依据❸。

服务支持:在整个任务执行过程中⑲,Testnet还提供了节点发现❸、健康监控⑯、日志管理等一系列配套服务②,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❸。

★更多训练细节②、另外在训练过程中❷,INTELLECT2还采用了两步异步强化学习的模式②,也就是权重的广播与正在进行的推理和训练完全重叠②,从而消除了通信瓶颈⑪。

以及双面GRPO剪辑⑤,通过使用双面标记概率比剪辑来缓解梯度尖峰⑩,从而使训练更加稳定⑨。

数据方面⑰,INTELLECT2采用了来自NuminaMath-1.5⑧、Deepscaler和 SYNTHETIC-1的28.5万个可验证任务❸,并结合离线和在线过滤来选择具有挑战性的任务⑨,显着提高了模型学习效率②。

★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-LONG⑳,分别对应短目标长度和长目标长度的训练设置▓。

TARGET-SHORT:随着训练的进行⑰,任务奖励显着提高⑫,长度惩罚有所下降⑥;

TARGET-LONG:任务奖励同样大幅提升⑯,长度惩罚也呈下降趋势⑩,但在实验的有限时间内尚未完全收敛⑦,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▓,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⑩,可能是因为训练只专注于数学和编程任务❷。

在计算资源利用方面⑦,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❸,SHARDCAST广播平均耗时14分钟⑮,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③,名叫Prime Intellect⑰,位于美国旧金山❷。

创始人兼CEO是Vincent Weisser⑪,来自德国⑩,之前参与过大量的创业项目②,Prime Intellect是他最新的创业成果❷。

联创兼CTO Johannes Hagemann⑤,德国Hasso Plattner研究所硕士⑰,本科毕业于多特蒙德工业大学⑩。

CEO Weisser担任核心成员的创业项目VitaDAO⑧,Hagemann曾出任策略顾问④。

创始工程师Jannik Straube❶,慕尼黑工业大学硕士▓,之前曾在IBM工作②。

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-1⑦,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-MATH▓,使用RL训练的数学推理模型④。

另外⑦,基于分布式强化学习⑦,团队还推出了从DeepSeek-R1 生成最大的合成推理数据集GENESYS + SYNTHETIC-1⑮。

今年2月⑥,Prime Intellect团队获得了1500万美元的新投资▓,用来构建点对点AI协议⑱。

这笔投资由创始人基金领衔⑧,投资者中还包括大神Karpathy②、Hugging Face联创兼CEO Clem Delangue⑥、FlashAttention作者Tri Dao⑭、Stability AI前CEO Emad Mostaque等AI界名人⑮。

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⑭,为模型提供推理链中的内置工具①,以及融合独立训练的RL模型等一系列工作⑱。

宏观方面⑱,团队也将扩大计算市场②,扩展去中心化训练①,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⑩!

随机图文