扩散模型新突破:Radical Numerics开源30B参数RND1,AI自我进化迈出关键一步
AI模型架构正在经历一场深刻变革。扩散语言模型凭借其并行生成和高效推理能力,正在成为业界关注的焦点。10月9日,AI研究机构Radical Numerics正式发布RND1-扩散Base,这是迄今为止最大规模的开源扩散语言模型,参数规模达到30B,其中活跃参数为3B,采用稀疏专家混合架构。该模型不仅在基准测试中表现出色,还开源了完整权重、训练配方和推理代码,模型旨在加速扩散语言模型领域的后训练与推理研究。 RND1-Base基于Qwen3-30BA3B的自回归基础模型,通过简单的连续预训练实现了向扩散范式的无缝转型。转换过程采用双向掩码机制新突和特定于层的学习率以保留原有知识,并使用高达8M标记的大批量训练确保稳定性,最终在500B标记上完成预训练。这一高效方案避免了从零开始训练带来的资源浪费,体现了Radical Nu破:merics在模型重用方面的创新思路。 与传统自回归语言模型逐个生成token的顺序模式不同,RND1将文本生成视作类似图像去噪的过程,从噪声中并行精炼整个序列,支持双向注意力机Ra制。这不仅提升了生成的灵活性和可控性,还显著降低了推理延迟,特别适合复杂推理和代码生成任务。 在通用基准测试中,RND1-Base展现出强劲实力,超越了Dream-7B和LLdiaDA-8B等开源扩散语言模型前辈。具体成绩包括MMLU多任务语言理解57.2%、GSM8K数学推理72.1%、MBPP代码生成51.3%。这些指标覆盖推理、STEM和编程领域,证明ca该模型在保持自回归基础优势的同时,实现了扩散架构的性能提升。 RND1的稀疏专家混合设计在30B总参数中仅激活3B参数,优化了计算效率,适合大规模部署。该模型尚未进行后训练,贪婪采l 样时可能偶尔出现重复,但开源代码已集成FlashInfer和SGLang后端,支持快速推理迭代。 Radical Numerics将自身定位为下一代AI实验室,专注于构建递归自我改Nu进引擎。RND1正是这一愿景的产物,通过自动化AI研究平台,让模型参与优化下一代AI。该团队由来自DeepMind、Meta、Liquid和斯坦福等顶尖机构的研究员与工程师组me成,目标是让AI自主设计AI,推动科学与工业发现加速。 开源RND1的目的在于激发社区探索扩散语言模型的推理优化和后训练潜力。当前,扩散模型在语言领域的应用正从实验阶段转向实用阶段ri,特别是在并行生成长序列任务方面展现出优势。业内预计,此举将刺激更多自回归模型向扩散模型转换的实验,填补开源生态在高效生成模型方面的空白。 尽管RND1在规模和性能上处于领先cs地位,但扩散模型的泛化能力与内存开销仍需进一步优化。未来结合多目标微调或混合架构,有望进一步释放其潜力。Radical Numerics已开放招聘,欢迎AI从业者加入这一前沿探索开源。 这次突破标志着扩散语言模型从理论探索走向工程实践的重要转折点。通过开源如此大规模的扩散模型,Radical Numerics不仅为研究社区提供了宝贵的工具,也为AI自我改进和递归优化30开辟了新的可能性。随着更多研究者参与到这一领域,扩散语言模型或将成为下一代AI架构的重要方向。
- 最近发表
- 随机阅读
-
- 标签: 微软 Azure AI Fairwater NVIDIA
- 谷歌以超低价向美国政府提供 AI 服务,促成行业竞争新格局
- 是否有算法可以控制超级人工智能?
- 标签: 建设银行 科技贷款 绿色贷款 普惠贷款
- 超胆侠来了!「蝙蝠感知」AI让智能手机听声生成3D图像
- 标签: 北京地铁 张雪的机车 地铁15号线 崔各庄站
- 云安全日报210903:红帽OpenShift云应用平台发现拒绝服务攻击漏洞,需要尽快升级
- “分秒必争”?亚马逊合作配送公司要求司机绕过安全检查
- 谷歌云计算去年四季度营收同比大增44% 但与亚马逊差距依旧明显
- 亚毫米级精准对位:小米开源 VLA 大模型后训练全流程
- 标签: 华杉 罗永浩 西贝 华与华
- 标签: 海清智元 多光谱AI 智元起源大模型 港交所上市
- 标签: YouTube AskYouTube 谷歌I/O2026 桑达尔·皮查伊
- 标签: 生数科技 Vidu Q3 阿里云
- 苹果测试折叠屏iPhone,小米起诉微博大V
- Canalys:2023年Q1阿里云、华为云、腾讯云居中国云基础设施市场前三
- 标签: 亿纬锂能 动力电池 储能电池 港股上市
- 吉祥彩
- 阿里云技术支持2022世界杯直播,将直播端到端延时缩短至1秒
- 云计算核心技术Docker教程:docker-compose添加网络
- 搜索
-
- 友情链接