Gradient merilis kerangka kerja Echo-2 RL, meningkatkan efisiensi penelitian AI

SmartContractAuditor · 2026-02-12T14:26:23+00:00

Kerangka pembelajaran penguatan terdistribusi Echo-2 yang dirilis oleh Gradient secara signifikan menurunkan biaya pasca-pelatihan untuk model 30B dari 4500 dolar menjadi 425 dolar, sekaligus meningkatkan throughput penelitian lebih dari 10 kali lipat. Kerangka ini memanfaatkan pelatihan asinkron dan berbagai terobosan teknologi lainnya untuk meningkatkan efisiensi pelatihan dan memastikan akurasi model. Gradient juga akan meluncurkan platform RLaaS Logits yang mendukung peneliti di seluruh dunia.

SmartContractAuditor

2026-02-12 14:26:23

Pembuatan abstrak sedang berlangsung

Odaily Planet Daily News Gradient, laboratorium AI terdistribusi, hari ini merilis kerangka kerja pembelajaran penguatan terdistribusi Echo-2, yang bertujuan untuk mendobrak hambatan efisiensi pelatihan penelitian AI. Dengan menerapkan pemisahan lengkap Pelajar dari Aktor di lapisan arsitektur, Echo-2 anjlok biaya pasca-pelatihan model 30B dari $4,500 menjadi $425. Di bawah anggaran yang sama, ini menghasilkan lebih dari 10 kali lipat hasil penelitian ilmiah.

Kerangka kerja ini menggunakan teknologi pemisahan komputasi memori untuk pelatihan asinkron (Async RL) untuk membongkar daya komputasi pengambilan sampel yang besar ke instans kartu grafis yang tidak stabil dan kartu grafis heterogen berbasis Paralaks. Dengan terobosan teknis seperti keusangan terbatas, penjadwalan toleran kesalahan instans, dan protokol komunikasi Lattica yang dikembangkan sendiri, ini sangat meningkatkan efisiensi pelatihan sekaligus memastikan akurasi model. Seiring dengan rilis kerangka kerja, Gradient juga akan meluncurkan platform RLaaS Logits, mendorong pergeseran paradigma dalam penelitian AI dari “penumpukan modal” ke “iterasi efisiensi”. Logits sekarang terbuka untuk janji temu (logits.dev) untuk siswa dan peneliti di seluruh dunia.

Dilaporkan bahwa Gradient adalah laboratorium AI yang didedikasikan untuk membangun infrastruktur terdistribusi, dengan fokus pada pelatihan terdistribusi, layanan, dan penyebaran model besar mutakhir.

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.