@Alibaba_Qwenتیم کیوئن (Qwen) از یه سیستم خفن به اسم QwenGyre رونمایی کرده که خوراکِ آموزش مدل‌های هوش مصنوعی با یادگیری تقویتی توی کارهای فوق‌العاده طولانی و سنگینه
تیم کیوئن (Qwen) از یه سیستم خفن به اسم QwenGyre رونمایی کرده که خوراکِ آموزش مدل‌های هوش مصنوعی با یادگیری تقویتی توی کارهای فوق‌العاده طولانی و سنگینه. این سیستم با یه زمان‌بندی کشسان و باحال، کارت‌های گرافیک رو بین جمع‌آوری داده و تمرین مدل جابه‌جا می‌کنه تا سرعت کار تا ۱.۸۵ برابر بالا بره و پردازش متوقف نشه. علاوه‌بر این، با سروسامان دادن به شاخه‌های مختلف اجرای وظایف و ثبت پیشرفت‌های نصفه‌نیمه، نمی‌ذاره هیچ تلاشی حروم بشه. دست‌آخر هم روی مدل‌های غول‌پیکرش با حدود ۷۰۰ هزار توکن تستش کردن و تونستن زمان آموزش رو نزدیک به ۴۴ درصد کاهش بدن و دقت مدل رو هم قشنگ چند پله ببرن بالاتر.
منبع
QwenGyre: An Elastic Reinforcement Learning Framework for Training xLong-Horizon Agents
Large language model (LLM) agents increasingly undertake extreme-long (xlong) horizon tasks, where a single execution can span hours, hundreds of model--environment interactions, and nearly 1M tokens per rollout. Applying online reinforcement learning (RL) to such executions poses two fundamental challenges: (1) severe execution variance and prolonged rollout delays cause massive GPU idling; and (
خواندن در سایت منبعبیشتر بخوانید
یه پژوهشگر به اسم اتان الاسکی خبر داده واسه اولین‌بار تو فضای واقعی تونستن با یه ناوگان خودسر از ایجنت‌های هوش مصنوعی چینی ارتباط برقرار کنن
بچههای تیم کوئن رسماً از سیستم جدید Qwen Intelligence رونمایی کردن تا هوش مصنوعی کاربردی رو بیارن بیخ گوشمون روی گوشی‌های موبایل
بچههای دیپ‌سیک باز یه حرکت مشتی زدن و نمونه اولیه «سوپر-ایجنت» خودشون رو متن‌باز کردن تا سطح جدیدی از سیستم‌های خودمختار هوش مصنوعی رو رو کنن
بچههای تیم ریکرسیو با دست‌فرمون شایان طلایی یه مدل ۶۵ میلیاردی دادن بیرون به اسم Ripple-65B که ادعا می‌کنه تو کدنویسی ایجنتی شاخ غول‌های چندصد میلیاردی رو شکسته، اما اصل قصه زیر کاپوت و معماری متفاوتیه که سوار کردن
نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.