humans& 自研离线策略 RL 训练超长任务,自建数千 GPU 集群降本
gharik · x · 2026-10-21
humans& 公开其训练方法与算力路线:
- 自研面向超长时程 rollout 的离线策略(off-policy)RL 算法,以及高效的多智能体训练框架,并在自有集群的数千张 GPU 上完成训练。
- Eric Zelikman 补充称,与其租用算力,不如自建集群拥有硬件:同样的钱能换来远多的算力,3-5 年后硬件仍有残值,还能支撑差异化的模型押注。
- DeepInfra、NVIDIA、Supermicro 参与了集群搭建。
「Infra」频道最新
- NVIDIA 低调开源本地推理服务器 Flare，为 Blackwell 工作站打造 — AIFlow_ML · 2026-10-21
- 数据中心债务被重打包卖给养老金，被指神似次贷泡沫 — SumitGup · 2026-10-21
- DeepInfer 缺 KV 缓存与负载均衡，但有 3-4K 台 GB200 就能复现吞吐 — teortaxesTex · 2026-10-21
- Isoquant 推理优化基准：Gemini 4 Argon 以 4.38 倍加速登顶 — ycombinator · 2026-10-21
- API 上下两层同构：speculative decode 与 agent 决策回路的对照表 — akbirthko · 2026-10-21
- 马斯克：SpaceX/特斯拉 Terafab 目标 2028 年量产先进 AI 芯片 — Polymarket · 2026-10-21