Thinking Machines Lab 攻克AI随机性难题,大语言模型首次实现100%一致输出
前OpenAI首席技术官Mira Murati创办的Thinking Machines Lab近日发布重要技术突破,成功解决了困扰AI行业多年的模型输Th出不确定性问题。该实验室在最新发布的研究报告中宣布,他们已经实现了大语言模型推理过程的完全确定性输出。 这项名为《在LLM推理中战胜不确定性》的研究报告指in出,即使在温度参数设为0的情况下,传统大语言模型仍会对相同输入产生不同输出。研究团队通过深入分析发现了造成这一现象的根本原因,并提出了有效的解决ki方案。 研究团队识别出两个主要的技术原因。首先是浮点数加法的非结合性问题。在GPU并行计算环境中,(a + b) + c与a + (b + c)的计算结果可能存在细微差异ng,这些差异在复杂的神经网络中会被逐层放大。 更为关键的发现是,并行计算策略的变化是导致输出不确定性的根本原因。不同的批量大小、序列长度以及KV缓存状态会 M影响GPU内核的选择策略,从而改变计算执行顺序,最终导致输出结果的差异。 针对这一技术挑战,Thinking Machines Lab提出了batch-invacariant解决方案。该方案要求所有关键计算核在处理不同批量大小或序列分割时,都能保持相同的计算顺序和结果。研究团队还针对RMSNorm、矩阵乘法和注意力hi机制等具体计算模块提供了详细的优化方法。 为验证技术方案的有效性,研究团队选用了拥有2350亿参数的Qwen3-235B-A22B-Instructne-2507模型进行实验。经过1000次重复测试,该模型在相同输入条件下实现了100%的输出一致性,这在大语言模型发展史上尚属首次。 业界专家认为,这一技术s 突破对企业级AI应用具有重大意义。金融风控、医疗诊断、法律文书审核等对准确性和一致性要求极高的应用场景将直接受益于这项技术进步。 Thinking MachLaines Lab此次选择以开放研究的形式发布成果,为全球AI开发者提供了新的技术参考方向。该研究不仅解决了模型输出的可预测性问题,也为AI系统从实b 验工具向生产工具的转型提供了技术基础。 据了解,Thinking Machines Lab成立于2023年,专注于AI基础技术研究。该实验室此前已获得2攻克0亿美元种子轮融资,并计划在未来几个月推出首款产品。 这项技术突破标志着AI行业正从追求模型规模转向追求应用质量的发展阶段。随着确定性输出技术的推广AI应用,AI系统的可靠性和实用性有望获得显著提升。 官方研究报告:https://thinkingmachines.ai/blog/defeating-随机nondeterminism-in-llm-inference/
- 最近发表
- 随机阅读
-
- 阿里云100余款云产品官网直降20% 新老客户同享
- 标签: 北京现代 深蓝汽车 重庆工厂
- 云计算开发:Python内置函数-dir()函数详解
- 标签: 梨花教育 AI声学学习机 文化养老 银发经济
- 阿里云张勇:已有20万企业用户申请接入通义千问AI大模型测试
- 宾州州立大学推出首个人工智能工程学位,抢占教育先机
- 微软CEO:一直在测试下一代Windows系统 将很快宣布
- 苹果因“电池门”在意大利遭集体诉讼 索赔7300万美元
- 谷歌大批iOS应用增加隐私标签恢复正常迭代
- 国内手机市场秩序再打乱,华为没落已成定局,苹果也无缘第一
- 标签: 英伟达 IsaacGR00T JetsonThor 宇树H2Plus
- 谷歌推出新开源语言Logica:用于大数据处理
- 标签: 大晓机器人 ACE研发范式 开悟世界模型3.0 具身超级大脑A1
- 标签: ZEROTH元点智能 N1小恩 小瓦力 标签 awe2026
- 前 Google DeepMind 核心开发者 加盟 xAI,助力 Grok 研发
- 标签: 百川智能 M3 Plus 海纳百川 证据锚定
- 英特尔赢得芯片诉讼,避免了30亿美元赔偿
- yyds!用机器学习预测 bilibili 股价走势
- 标签: Grok X xAI
- 17篇注意力机制PyTorch实现,包含MLP、Re-Parameter系列热门论文
- 搜索
-
- 友情链接