Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #30186

NeMo RL

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

MODELS · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA опубликовала рецепт пост‑тренировки Nemotron 3.5 Super VL и Litmus‑Bench V2.0 для научных LLM

NVIDIA опубликовала практический рецепт пост‑тренировки открытой мультимодальной модели Nemotron 3.5 Super VL для научных задач с использованием NeMo Gym и NeMo RL, а также выпустила набор данных и бенчмарк Nemotron RL Litmus‑Bench V2.0 для оценки свойств молекул. В примере предсказания метаболитов (данные из MetxBioDB) утверждается, что супервайзед‑файнтюнинг повысил точность на 12%, а последующая RL‑пост‑тренировка дала ещё +17% при бюджете вывода 16 384 токена; опционально предлагается дистилляция от более сильной модели (например, Claude Sonnet 5.5) для ускорения сходимости.

7.0

COMPANIES · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA Vera Rubin NVL72 показывает до 2× прироста в MLPerf Training v6.1 по сравнению с GB300 NVL72

В дебютном вхождении в MLPerf Training v6.1 платформа NVIDIA Vera Rubin NVL72 показала лучшее время обучения в шести из семи бенчмарков и достигла до ~2× прироста производительности на GPU по сравнению с оптимизированной GB300 NVL72; для крупнейшей задачи DeepSeek‑V3 671B Vera Rubin использовала 1 024 GPU за 4,14 минуты против 8,03 минуты у GB300 NVL72. NVIDIA при этом получила абсолютно лучшее время на DeepSeek‑V3 с кластером GB300 из 10 240 GPU (1,38 минуты); Vera Rubin сохранила >97% эффективности при масштабировании 256→1 024 GPU, прошла весь набор из семи тестов и показала лучшее время для нового RL post‑training бенчмарка Qwen 3.5 397B GRPO (10,44 против 13,78 минуты), представив результаты с двумя инференс‑бэкендами (TensorRT‑LLM и vLLM).

8.0

CODING · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA NCCL M2N Reshard реализует Reshard collective и ускоряет refit весов RL до 5.7×

Коллектив Reshard переводит операцию refit в передачу DTensor→DTensor, перемещая только минимально необходимую часть данных между любыми исходными и целевыми разбиениями. Открытая реализация NVIDIA NCCL M2N Reshard (nvidia/nccl-extensions) показывает ускорения refit в 2.7×–5.7× в бенчмарках NeMo RL на DGX H100 и DGX GB200 (тесты включали Qwen 3 235B и DeepSeek v3 671B) и использует гибридный режим: Reshard для доминирующих весов проекции и gather-and-broadcast для меньших тензоров.

7.0