#模型训练

美团搞了个1.6万亿参数的大模型LongCat-2.0，全程用国产芯片，没碰Nvidia，性能还很强。想看看中国芯片能不能撑起大模型？这篇聊得清楚。

官方账号Decoder@Maximilian Schreiner8 个信源在谈原文

x平台爆料Grok 2T开始训练，预计8月上线，比之前传的3T规模小一点。想蹲新模型的话可以关注这个时间点。

@koltregaskes@koltregaskes原文

看看Jasper怎么用Hugging Face当MONET的数据后台，对做大模型训练数据管道的团队很有启发。

官方账号Jasper AI@heyjasperai原文

OpenAI发现用一点额外数据就能让模型在超多对齐测试里变好，覆盖欺骗、安全、健康等方面，挺牛的。

官方账号OpenAI@OpenAI11 个信源在谈原文

OpenAI训练模型时不止看能力，还用强化学习专门教它诚实、谦逊、愿意接受批评，覆盖12个领域，对AI安全性很有意义。

官方账号OpenAI@OpenAI11 个信源在谈原文

Fireworks 让你拿 Kimi 2.7 自己训练，便宜还能干翻前沿模型，想定制模型的赶紧试试。

Fireworks AI@FireworksAI_HQ原文

有个开发者自己写了一套代码，把M4芯片的AI训练能力全开出来了，不用苹果官方工具，跑到了15.8TFLOPS。想用iPad或Mac训练模型的人可以看看。

NVIDIA 与 Think Machines 的合作意味着更强大的算力支持，做模型训练和定制 AI 的团队可以关注这一进展，看看能否利用其平台加速自己的项目。

官方账号Thinking Machines Lab@thinkymachines11 个信源在谈原文

做模型训练或理解 scaling law 的团队值得一读——这篇论文把大模型涌现能力的机制讲清楚了，不是玄学而是容量与干扰的数学问题。

rohanpaul_ai@rohanpaul_ai6 个信源在谈原文

这件事暴露了 AI 大模型训练中数据来源的灰色操作，做模型训练的团队和关注 AI 伦理的读者值得一看——它直接关系到训练数据的合规性和行业竞争规则。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

苏炜杰是统计学界顶级奖项得主，他的加入意味着OpenAI在模型训练和隐私保护方向持续加码，做AI基础研究和数据安全的从业者值得关注这位新成员的动向。

Grok 的 1.5T 参数模型完成训练，AI 对话和推理能力将迎来飞跃，关注大模型进展的开发者可以提前关注今夏的发布。

TestingCatalog@testingcatalog5 个信源在谈原文

Hugging Face 这个开源智能体把 ML 研究全流程自动化了，做实验的团队可以直接用它跑论文复现和模型训练，省掉大量手动调参和写脚本的时间。

官方账号AlphaSignal@AlphaSignalAI原文

对于大规模训练任务，持续检查点能有效提升资源利用率和系统稳定性，是应对硬件故障、优化训练吞吐量的实用方案。