کرسر، بهبود ۴۱ درصدی در توان پردازش مدل ترکیبی متخصصان

ابزار کدنویسی هوش مصنوعی کرسر (Cursor) با استفاده از فناوری یادگیری مدل ترکیبی متخصصان (Mixture-of-Experts·MoE) توانسته است در محیطی با ۵۱۲ واحد پردازش گرافیکی (GPU) از انویدیا GB300، توان پردازش کلی را ۴۱ درصد افزایش دهد. این فناوری با همپوشانی انتقال داده‌ها و محاسبات بین GPUها، گلوگاه‌های یادگیری را کاهش می‌دهد. کرسر در تاریخ ۵، هسته متن باز برای یادگیری مدل ترکیبی متخصصان به نام 'Mixture-of-Kittens (MoK)' را منتشر کرد و ادعا کرد که در آزمایش لایه ترکیبی متخصصان منفرد، تا ۲.۳۷ برابر سریع‌تر از گزینه‌های عمومی عمل کرده است. مدل ترکیبی متخصصان شامل چندین شبکه متخصص است و تنها برخی از آن‌ها بر اساس ورودی فراخوانی می‌شوند، که این امر به کاهش حجم محاسبات و افزایش مقیاس مدل کمک می‌کند. با این حال، زمانی که متخصصان بین چندین GPU توزیع می‌شوند، زمان انتقال داده و انتظار محاسبات افزایش می‌یابد. این فناوری بر کاهش زمان انتظار با پردازش همزمان انتقال داده و محاسبات تمرکز دارد. در وبلاگ رسمی کرسر و گیت‌هاب، اعلامیه‌ای با همین نام تأیید نشده است و اعداد ۴۱ درصد و ۲.۳۷ برابر بر اساس گزارش‌های دنیای فناوری است. کرسر پیش‌تر اعلام کرده بود که عملکرد لایه ترکیبی متخصصان برای GPU بلک‌ول را ۳.۵ برابر و سرعت کلی یادگیری را ۱.۵ برابر افزایش داده است. این فناوری می‌تواند بر شرکت‌های بلاک‌چینی که از عوامل هوش مصنوعی و ابزارهای خودکارسازی کد استفاده می‌کنند، تأثیر بگذارد.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.