HaiAI123

全球AI工具精選導航

行業動態
持平

Google 在 MaxText 中實現 Streaming DiLoCo 跨資料中心訓練

2026/11/21 — 11/21 15:17·1 個來源(全部)·1 篇報道(全部)

核心速覽 (Key Takeaways)

  • Google DeepMind 與 Google Research 團隊在開源 JAX 訓練框架 MaxText 中實現了 Streaming DiLoCo,通過流式傳輸引數分片而非每步同步完整模型,把跨 TPU 切片通訊量削減 60 倍以上。
  • 官方部落格稱該方案消除了 WAN 網路停頓,可在多資料中心間擴充套件訓練且不損失收斂與模型質量。

事件背景與詳細解讀

2026 年 11 月 21 日 15:10,Google Developers Blog 釋出訊息稱,Google DeepMind 與 Google Research 團隊在開源 JAX 訓練框架 MaxText 中實現了 Streaming DiLoCo,用於跨資料中心訓練 LLM。

據該部落格介紹,傳統上訓練先進的 Large Language Model(LLM)依賴單一整塊加速器叢集,所有裝置共置一處,通過高頻寬鏈路緊密耦合並持續同步梯度,但物理與成本限制使單一切片的擴充套件愈發困難。Streaming DiLoCo 的應對方式是以流式傳輸引數分片,而不再在每一步同步完整模型,由此把跨 TPU 切片的通訊量削減 60 倍以上,並消除 WAN 網路停頓。官方稱該方案可在多個數據中心之間擴充套件訓練,且不會損失模型收斂與模型質量。目前公開材料僅披露這一實現與官方表述,暫無後續進展或第三方驗證的記錄。

AI 綜合 1 篇報道生成 · 更新於 19 小時前

updream
24 小時熱度熱度指數 57 · 峰值 98 · 18 小時前
24 小時前現在

這件事的報道 點標題看原文

昨天
  1. Google DeepMind 與 Google Research 團隊在開源 JAX 訓練框架 MaxText 中實現了 Streaming DiLoCo,通過流式傳輸引數分片而非每步同步完整模型,把跨 TPU 切片通訊量削減 60 倍以上。官方部落格稱該方案消除了 WAN 網路停頓,可在多資料中心間擴充套件訓練且不損失收斂與模型質量。

    瞭解多資料中心分散式訓練如何繞開 WAN 頻寬瓶頸

    Google Developers Blog官方AI 評分 62

同時在說的其他事

熱度怎麼算的?瞭解口徑

熱度按 48 小時內有多少個獨立來源在說這件事算:同一個來源發多條只算一次,並按 24 小時半衰期衰減,所以排前面的是很多人在說的事。

本頁彙總公開訂閱源,標題與摘要由模型整理,版權歸原作者所有;重要資訊請回原文核對。如權利人認為相關標題或摘要侵權,請通過頁尾聯絡郵箱提供具體頁面與權利依據,我們核實後會及時刪除或替換。

爆
討論快速增加
新
首報 6 小時內
發酵中
討論仍在增加

回 AI 行業動態榜 →