Antes, entrenar modelos era como mudarse; ahora es como cambiar las sábanas—la base no se mueve, solo se colocan los datos encima.

Mensaje de CoinWorld, OneMillion\_AI publicó que, la pila de entrenamiento paralelo de código abierto SkyRL ha logrado una autoevolución de modelos grandes en horas, con un aumento de 2.81 veces en el rendimiento general de los experimentos, y una mejora de aproximadamente 3.25 veces en el rendimiento absoluto por nodo en tiempo. Esta arquitectura mantiene permanentemente en la memoria de la GPU la base compartida del modelo, reduciendo el costo de arranque en frío al cargar modelos gigantes repetidamente, con el objetivo de ayudar a los desarrolladores a realizar entrenamiento de datos en tiempo real para modelos grandes con un costo de memoria extremadamente bajo.