Taking Reinforcement Learning Cross Datacenter — Nan Jiang, Modal
Nan Jiang från Modal presenterar en teknik för att köra reinforcement learning (AI-träning genom trial-and-error) på GPU-servrar spridda över flera världsdelar.
Problemet är att checkpoints — sparade versioner av en tränad AI-modell — väger omkring 500 GB och tar timmar att skicka mellan datacenter, vilket förstör möjligheten att uppdatera modellen snabbt. Hans lösning är att skicka endast omkring 500 MB istället: en liten patch som innehåller bara de viktigaste ändringarna. Det fungerar för att mindre än 1% av vikterna faktiskt förändras mellan versioner — inte för att gradienter är glesa, utan för att uppdateringarna är mycket små, ofta tusen gånger mindre än precisionen tillåter. Modal kallar implementationen Stitch.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
What Runs Where? Local AI in Production — Ahmad Osman, Osmantic
AI Engineer 21 nov.
Experts say AI has made planning cyberattacks on industrial equipment faster by helping attackers read manuals and research past accidents more quickly
Techmeme för 2 tim sedan
Current and former officials from the US and other countries describe the Chinese spy agency MSS' campaign to help Chinese companies acquire advanced AI chips
Techmeme för 6 tim sedan
Tesla rolls out FSD v15, featuring a photorealistic rendering of car surroundings; Elon Musk says it is real-time AI video generation without using game engines
Techmeme för 7 tim sedan
