i14 在 AWS Trainium2 上训练部署 Laplace 3B
热点事件持续更新
i14 在 AWS Trainium2 上训练部署 Laplace 3B
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，将采用 Gated Linear Attention 的 Laplace 3B 线性注意力模型移植到 AWS Trainium2，并保留其 GLA 设计与 Muon 优化器。 据 AWS 机器学习博客，在单台 trn2.48xlarge 实例上，该模型训练速度约为每秒 12 万 token；推理在 1280 条并发序列下达到每秒 11,544 个输出 token。上述训练结果截至第 84,210 步，约合 440 亿 token。 博客同时提示，由于 BF16 重结合会使编译输出与 eager 模式略有差异，需要精确复现时应使用 eager 解码。
AI 根据报道生成 · 1 小时前更新
最新进展10月21日 05:14
i14 的 Laplace 3B 线性注意力模型如何在 AWS Trainium2 上用原生 PyTorch 训练与推理报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- AWS Machine Learning Blogi14 的 Laplace 3B 线性注意力模型如何在 AWS Trainium2 上用原生 PyTorch 训练与推理
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，将采用 Gated Linear Attention 的 Laplace 3B 线性注意力模型移植到 AWS Trainium2，并保留其 GLA 设计与 Muon 优化器。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。