Sakana AI 新法训练 LLM：内存降 3 倍，性能几无损
bycloud · youtube · 2026-08-18
Sakana AI 发布新研究 DiffusionBlocks，提出一种训练大语言模型的新方法。该技术可在模型性能几乎无损的情况下，将训练显存需求降低 2-3 倍，在极端设置下甚至能降低 4-6 倍。这对显存受限的开发者具有重要意义。
「研究」频道最新
- AI 压缩上下文时悄悄丢弃 83% 用户指令 — The Decoder · 2026-08-18
- 上交大推出 TRACE-Bench 多参考图像生成基准 — SJTU · 2026-08-18
- WorldRover 合成数据引擎助力世界探索模型训练 — AlayaLab · 2026-08-18
- McByte 模型在 SportsMOT 基准测试中刷新SOTA — NielsRogge · 2026-08-18
- TARS AWE 3.5：以泛化为目标的具身模型架构 — FellMentKE · 2026-08-18
- RLC 2026 主题演讲：形式语言或成学习型智能体的神经纽带 — SoloGen · 2026-08-18