世界领先的高性能计算、数据中心端到端互连方案提供商宣布, 互联网搜索巨头百度公司现已采用Mellanox端到端RDMA以太网互连解决方案为其打造全球顶尖的AI平台。在全球计算机系统领域的顶级会议——第26届操作系统原理大会(SOSP’17)上,百度提交了关于 “高性能RDMA协议栈关键技术” 的Poster。该Poster展示通过建立一种类Socket的RDMA通信库,可将现有业务无缝迁移到高性能RDMA协议栈。百度是国内第一家大规模部署Mellanox 100G RDMA (支持RoCE v2) 以太网网络的企业,Mellanox与百度精诚合作,引领了网络技术的快速发展。
随着人工智能和5G网络的兴起,“唤醒万物,万物互联”的时代已经来临。在人工智能领域,计算量需求的爆发式增长无疑对网络提出了更苛刻的要求。百度AI算法具有高流量突发的网络特征,而且对网络的时延、带宽以及吞吐量的需求也很高。百度类Socket通信库底层采用Mellanox 100G RDMA以太网,使得百度AI集群的训练速度获得了大幅度的提升,AI训练参数的同步时间也进一步缩短。
作为高性能互连网络的核心组件,基于RDMA技术的Mellanox以太网解决方案在百度HPC集群和高性能存储集群中也发挥了关键作用。百度云旗下的块存储服务——云磁盘(CDS)采用NVMe介质,其读写时延已低于传统TCP网络的通信时延,网络因此成为了最大的瓶颈。结合25G RDMA以太网解决方案,百度对其底层的Baidu RPC(brpc)进行了改造。测试结果表明,改造后brpc的延迟可降低20% - 60%,QPS(每秒查询率)可提升40% - 80%。相应的,云磁盘(CDS)的读写时延可降低10%-40%。
“无论是传统的HPC应用还是新兴的人工智能平台,都离不开高性能RDMA网络的支持”,Mellanox公司亚太及中国区市场开发高级总监刘通表示。“我们很荣幸与百度公司合作,为业界领先的AI开放生态架构提供支持,共同构建更高效的网络协议堆栈,推动网络革新,共同引领100G RDMA以太网大规模部署,打造AI平台的网络新引擎。”
目前, 百度人工智能研究成果已全面应用于百度产品, 让数亿网民从中受益; 同时, 百度还将语音、图像、机器翻译等难度高、投入大的领先技术向业界开放, 以降低大众创业、万众创新的门槛, 进一步释放创业创新活力。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。