Qwen推出QwenGyre,超长程智能体训练耗时减少约44%;中文语音数据集可为开源TTS提供参考素材;影视飓风Tim演示字节世界模型的交互用途;微软据报发布Maia 300,计划扩大自研推理芯片部署;AWS演示用Ray LLM容器部署跨节点推理。

模型动态

Qwen推出QwenGyre,超长程智能体训练耗时减少约44%

QwenGyre采用弹性调度与轨迹树,较异步方案训练耗时【减少约44%】。论文:https://t.co/gbKPIiqosk[1]

影视飓风Tim演示字节世界模型的交互用途

据分享,字节世界模型演示涵盖创建可交互世界、控制电影运镜等场景。Tim还介绍了机器人训练与VR职业模拟的应用方向。[3]

技巧教程

中文语音数据集可为开源TTS提供参考素材

用户为电子书朗读寻找素材,发现含【218人、8万多条语音】的中文数据集。其带口音等标注,可供【TTS参考合成】;地址未附。[2]

AWS演示用Ray LLM容器部署跨节点推理

Ray LLM教程演示跨节点推理:https://aws.amazon.com/blogs/machine-learning/run-multi-node-inference-workloads-using-ray-llm-deep-learning-containers/[9]

硬件动态

微软据报发布Maia 300,计划扩大自研推理芯片部署

据报道,微软发布Maia 300,计划2027年扩大至多吉瓦级部署。官方称其每瓦Token产出高40%,将承担旗下主要推理任务。[4][5][6][7][8]