i14与AWS在Trainium2上训练部署Laplace 3B
热点事件持续更新
i14与AWS在Trainium2上训练部署Laplace 3B
1 篇报道1 个报道来源20 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，在 AWS Trainium2 上训练并部署了采用 Gated Linear Attention 的 Laplace 3B 模型，保留了其 GLA 架构与 Muon 优化器。 据 AWS 称，在单台 trn2.48xlarge 实例上，Laplace 3B 的训练速度约为每秒 12 万 token；部署后，在 1,280 条并发序列下，输出速度达到每秒 11,544 token。上述结果截至第 84,210 步，约 44 亿 token。 AWS 同时提示，由于 BF16 重结合会使编译输出与 eager 模式略有差异，在需要精确复现时应使用 eager 解码。
AI 根据报道生成 · 20 小时前更新
最新进展10月21日 05:14
i14 与 AWS 用原生 PyTorch 在 Trainium2 上训练和部署 Laplace 3B 线性注意力模型报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- AWS Machine Learning Blogi14 与 AWS 用原生 PyTorch 在 Trainium2 上训练和部署 Laplace 3B 线性注意力模型
i14 与 AWS 合作，通过 TorchNeuron Native 的原生 PyTorch 支持，在 AWS Trainium2 上训练并部署了采用 Gated Linear Attention 的 Laplace 3B 模型，保留了其 GLA 架构与 Muon 优化器。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 1010月21日 06:00
- 近 24 小时变化
- –
02.557.510
06:0012:0018:0010月22日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。