บทแนะนำและเทคนิค

TRL เพิ่ม Delta Weight Sync: ถ่ายโอนการเปลี่ยนแปลงน้ำหนักผ่าน Hub Bucket ลดจาก 1.2 GB เหลือ 20–35 MB ต่อขั้นตอน

หัวข้อต้นฉบับ:Shipping a Trillion Parameters With a Hub Bucket: Delta Weight Sync in TRL

สรุปโดย AI

ในการเรียนรู้แบบเสริมกำลังแบบอะซิงโครนัส ผู้ฝึกต้องถ่ายโอนน้ำหนักโมเดลทั้งหมด (เช่น checkpoint 1T พารามิเตอร์ประมาณ 1 TB) ไปยังเอนจินการอนุมานในแต่ละขั้นตอน PR ใหม่ของ TRL ใช้ประโยชน์จากข้อเท็จจริงที่ว่าบิตน้ำหนัก bf16 ประมาณ 99% เหมือนกันระหว่างขั้นตอนการปรับให้เหมาะสมของ RL ที่อยู่ติดกัน โดยเข้ารหัสเฉพาะน้ำหนักที่เปลี่ยนแปลงเป็นไฟล์ safetensors แบบเบาบาง อัปโหลดไปยัง Hugging Face Bucket และแจ้ง vLLM ให้ดึงข้อมูล บน Qwen3-0.6B การถ่ายโอนต่อขั้นตอนลดจาก 1.2 GB เหลือ 20–35 MB การทดลองยังแสดงสถานการณ์การฝึกอบรมที่แยกจากกันโดยสมบูรณ์: ผู้ฝึก vLLM และสภาพแวดล้อม Wordle อยู่บนเครื่องและ Hugging Face Space ต่างกัน น้ำหนักไหลผ่าน Hub bucket เดียว โดยไม่ต้องใช้คลัสเตอร์ร่วม RDMA หรือ VPN

ข้อมูลสำคัญ

  • ในการเรียนรู้แบบเสริมกำลังแบบอะซิงโครนัส ผู้ฝึกต้องถ่ายโอนน้ำหนักโมเดลทั้งหมด (เช่น checkpoint 1T…
  • 6B การถ่ายโอนต่อขั้นตอนลดจาก 1.
  • 2 GB เหลือ 20–35 MB การทดลองยังแสดงสถานการณ์การฝึกอบรมที่แยกจากกันโดยสมบูรณ์: ผู้ฝึก vLLM…

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Hugging Face 社区博客(混合发现)
หมวดหมู่
บทแนะนำและเทคนิค
คะแนน AI
61
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

异步RL训练中权重同步的瓶颈被HuggingFace用稀疏增量方案解决了,带宽直接省了两个数量级,还给了可运行的TRL分支,做RL训练的可以直接上手试。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: TRL เพิ่ม Delta Weight Sync: ถ่ายโอนการเปลี่ยนแปลงน้ำหนักผ่าน Hub Bucket ลดจาก 1.2 GB เหลือ 20–35 MB ต่อขั้นตอน 27 พฤษภาคม 2026 https://new.nat6.net/th/news/cmpo5j5lm034mslv4qv9h13v8/

ดูทั้งหมด →