Évolution des paradigmes d'entraînement de l'IA : d'un contrôle centralisé à une révolution technologique de collaboration décentralisée
Dans l'ensemble de la chaîne de valeur de l'IA, l'entraînement des modèles est la phase qui consomme le plus de ressources et présente le plus haut niveau de complexité technique, déterminant directement la capacité maximale des modèles et l'efficacité de leur application réelle. Par rapport à l'appel léger de la phase d'inférence, le processus d'entraînement nécessite un investissement continu en puissance de calcul à grande échelle, des processus de traitement de données complexes et un soutien d'algorithmes d'optimisation à haute intensité, étant le véritable "industrie lourde" de la construction des systèmes d'IA. D'un point de vue architectural, les méthodes d'entraînement peuvent être classées en quatre catégories : entraînement centralisé, entraînement distribué, apprentissage fédéré et entraînement décentralisé, qui est le sujet principal de cet article.
L'entraînement centralisé est la méthode traditionnelle la plus courante, réalisée par une seule institution dans un cluster haute performance local, où l'ensemble du processus d'entraînement, depuis le matériel, le logiciel sous-jacent, le système de gestion de cluster, jusqu'à tous les composants du cadre d'entraînement, est coordonné par un système de contrôle unifié. Cette architecture de collaboration approfondie permet d'optimiser l'efficacité du partage de mémoire, de la synchronisation des gradients et des mécanismes de tolérance aux pannes, ce qui la rend particulièrement adaptée à l'entraînement de modèles à grande échelle comme GPT et Gemini, offrant des avantages en termes d'efficacité et de contrôle des ressources, mais présente également des problèmes tels que le monopole des données, les barrières à l'entrée, la consommation d'énergie et le risque de point unique.
L'entraînement distribué est la méthode dominante pour l'entraînement des grands modèles actuels. Son cœur consiste à décomposer les tâches d'entraînement du modèle, puis à les distribuer à plusieurs machines pour une exécution collaborative, afin de surmonter les limites de calcul et de stockage d'une seule machine. Bien qu'il possède physiquement des caractéristiques "décentralisées", l'ensemble est toujours contrôlé, planifié et synchronisé par des institutions centralisées, fonctionnant souvent dans un environnement de réseau local à haute vitesse, utilisant la technologie de bus interconnecté à haute vitesse NVLink, avec un nœud principal coordonnant les sous-tâches de manière unifiée. Les méthodes dominantes incluent :
Parallélisme des données : chaque nœud entraîne différents paramètres de données en partageant les poids du modèle, ce qui nécessite une correspondance.
Parallélisme de modèle : déployer différentes parties du modèle sur différents nœuds pour réaliser une forte extensibilité
Pipeline parallèle : exécution en série par étapes, augmentation du débit
Parallélisme de tenseur : segmentation fine du calcul matriciel, amélioration de la granularité parallèle
L'entraînement distribué est une combinaison de "contrôle centralisé + exécution distribuée", similaire à un même patron qui dirige à distance plusieurs employés de "bureau" pour collaborer à la réalisation d'une tâche. Actuellement, presque tous les grands modèles courants sont entraînés de cette manière.
La formation décentralisée représente un chemin futur plus ouvert et résistant à la censure. Ses caractéristiques principales sont : plusieurs nœuds qui ne se font pas confiance collaborent à l'exécution des tâches de formation sans coordinateur central, généralement en distribuant et en collaborant sur les tâches via des protocoles, et en s'appuyant sur des mécanismes d'incitation cryptographique pour assurer l'honnêteté des contributions. Les principaux défis auxquels ce modèle est confronté comprennent :
Difficulté d'hétérogénéité et de découpage des appareils : haute difficulté de coordination des appareils hétérogènes, faible efficacité de découpage des tâches.
Goulots d'étranglement de l'efficacité de communication : communication réseau instable, goulot d'étranglement évident de la synchronisation des gradients
Exécution de confiance manquante : manque d'environnement d'exécution de confiance, difficile de vérifier si les nœuds participent réellement au calcul.
Manque de coordination unifiée : pas de planificateur central, distribution des tâches et mécanismes de rollback des anomalies complexes
La formation décentralisée peut être comprise comme : un groupe de bénévoles du monde entier contribuant chacun leur puissance de calcul pour entraîner un modèle de manière collaborative, mais "la véritable formation décentralisée à grande échelle réalisable" reste un défi d'ingénierie systémique, impliquant l'architecture système, les protocoles de communication, la sécurité cryptographique, les mécanismes économiques, la validation des modèles et d'autres aspects. Cependant, la question de savoir si cela peut être "collaboratif et efficace + inciter à l'honnêteté + résultats corrects" en est encore au stade d'exploration de prototype précoce.
L'apprentissage fédéré, en tant que forme de transition entre la distribution et la décentralisation, met l'accent sur la conservation locale des données et l'agrégation centralisée des paramètres du modèle, et est adapté aux scénarios axés sur la conformité à la vie privée. L'apprentissage fédéré possède une structure d'ingénierie de formation distribuée et une capacité de collaboration locale, tout en bénéficiant des avantages de la distribution des données dans un cadre d'entraînement décentralisé. Cependant, il dépend toujours d'une entité de coordination de confiance et ne possède pas de caractéristiques entièrement ouvertes et résistantes à la censure. On peut le considérer comme une solution de "décentralisation contrôlée" dans des scénarios de conformité à la vie privée, relativement modérée en ce qui concerne les tâches d'entraînement, la structure de confiance et les mécanismes de communication, et plus adaptée comme architecture de déploiement transitoire dans l'industrie.
Décentralisation des limites, des opportunités et des réalités de la formation
D'un point de vue des paradigmes d'entraînement, la formation décentralisée n'est pas adaptée à tous les types de tâches. Dans certaines situations, en raison de la complexité de la structure de la tâche, des besoins en ressources très élevés ou de la difficulté de collaboration, elle n'est naturellement pas adaptée pour être réalisée de manière efficace entre des nœuds hétérogènes et non fiables. Par exemple, l'entraînement de grands modèles dépend souvent d'une haute mémoire vidéo, d'une faible latence et d'une large bande passante, ce qui rend difficile le découpage et la synchronisation efficaces dans un réseau ouvert ; les tâches soumises à de fortes restrictions en matière de confidentialité des données et de souveraineté sont limitées par la conformité légale et les contraintes éthiques, ce qui empêche le partage ouvert ; tandis que les tâches dépourvues de motivation à la collaboration manquent d'incitation à la participation externe. Ces frontières forment ensemble les limites réelles de l'entraînement décentralisé actuel.
Mais cela ne signifie pas que l'entraînement décentralisé est une fausse hypothèse. En fait, dans les types de tâches légers, facilement parallélisables et incitatifs, l'entraînement décentralisé montre des perspectives d'application claires. Cela inclut, mais sans s'y limiter : le fine-tuning LoRA, les tâches de post-formation d'alignement comportemental, l'entraînement et l'annotation de données par crowdsourcing, l'entraînement de petits modèles de base sous contrôle des ressources, ainsi que les scénarios d'entraînement collaboratif impliquant des dispositifs en périphérie. Ces tâches présentent généralement des caractéristiques de haute parallélisation, de faible couplage et de tolérance à une puissance de calcul hétérogène, ce qui les rend très adaptées à un entraînement collaboratif via des réseaux P2P, des protocoles Swarm, des optimiseurs distribués, etc.
Décentralisation entraînement projet classique analyse
Actuellement, dans le domaine de la formation décentralisée et de l'apprentissage fédéré, les projets blockchain représentatifs incluent principalement Prime Intellect, Pluralis.ai, Gensyn, Nous Research et Flock.io. En termes d'innovation technologique et de difficulté d'implémentation, Prime Intellect, Nous Research et Pluralis.ai ont proposé de nombreuses explorations originales dans la conception des systèmes et des algorithmes, représentant les directions avant-gardistes de la recherche théorique actuelle ; tandis que les chemins d'implémentation de Gensyn et Flock.io sont relativement clairs, et des progrès d'ingénierie préliminaires peuvent déjà être observés. Cet article analysera successivement les technologies clés et les architectures d'ingénierie sous-jacentes de ces cinq projets, et explorera davantage leurs différences et leurs relations complémentaires dans le système de formation AI décentralisé.
Prime Intellect: pionnier des réseaux de collaboration d'apprentissage par renforcement vérifiables par la trajectoire d'entraînement
Prime Intellect s'engage à construire un réseau d'entraînement AI sans confiance, permettant à quiconque de participer à l'entraînement et de recevoir des récompenses fiables pour sa contribution en calcul. Prime Intellect souhaite, grâce aux trois grands modules PRIME-RL + TOPLOC + SHARDCAST, construire un système d'entraînement AI décentralisé, doté de vérifiabilité, d'ouverture et d'un mécanisme d'incitation complet.
Structure de la pile de protocoles Prime Intellect et valeur des modules clés :
PRIME-RL: Architecture de tâche de renforcement asynchrone découplée
PRIME-RL est un cadre de modélisation et d'exécution des tâches sur mesure pour des scénarios d'entraînement décentralisés, développé par Prime Intellect, spécialement conçu pour les réseaux hétérogènes et la participation asynchrone. Il utilise l'apprentissage par renforcement comme objet d'adaptation prioritaire, dé-couplant de manière structurée le processus d'entraînement, d'inférence et de téléversement des poids, permettant à chaque nœud d'entraînement de réaliser indépendamment la boucle de tâches en local, tout en collaborant avec des mécanismes de validation et d'agrégation via des interfaces normalisées. Par rapport aux processus d'apprentissage supervisé traditionnels, PRIME-RL est mieux adapté pour réaliser un entraînement flexible dans un environnement sans ordonnance centralisée, réduisant ainsi la complexité du système et établissant une base pour soutenir le parallélisme des tâches multiples et l'évolution des stratégies.
TOPLOC: Mécanisme de validation du comportement d'entraînement léger
TOPLOC est un mécanisme central de vérifiabilité de formation proposé par Prime Intellect, utilisé pour déterminer si un nœud a réellement effectué un apprentissage de stratégie valide basé sur des données d'observation. Contrairement à des solutions lourdes telles que ZKML, TOPLOC ne dépend pas du recalcul de l'ensemble du modèle, mais effectue plutôt une vérification de structure légère en analysant la trajectoire de cohérence locale entre "séquence d'observation ↔ mise à jour de stratégie". Il transforme pour la première fois les trajectoires comportementales du processus de formation en objets vérifiables, ce qui constitue une innovation clé pour réaliser une distribution de récompenses d'apprentissage sans confiance, offrant une voie réalisable pour construire un réseau d'entraînement collaboratif décentralisé, auditable et incitatif.
SHARDCAST : protocole de regroupement et de propagation des poids asynchrones
SHARDCAST est un protocole de propagation et d'agrégation de poids conçu par Prime Intellect, optimisé pour des environnements de réseau réels asynchrones, à bande passante limitée et avec des états de nœuds changeants. Il combine un mécanisme de propagation gossip avec une stratégie de synchronisation locale, permettant à plusieurs nœuds de soumettre en continu des mises à jour partielles dans des états désynchronisés, réalisant ainsi une convergence progressive des poids et une évolution multi-version. Par rapport aux méthodes AllReduce centralisées ou synchronisées, SHARDCAST améliore considérablement l'évolutivité et la tolérance aux pannes de l'entraînement décentralisé, constituant ainsi la base fondamentale pour établir un consensus stable sur les poids et des itérations d'entraînement continues.
OpenDiLoCo: cadre de communication asynchrone sparse
OpenDiLoCo est un cadre d'optimisation de communication développé et open source par l'équipe Prime Intellect, basé sur le concept DiLoCo proposé par DeepMind, spécialement conçu pour relever les défis courants de la formation décentralisée tels que la bande passante limitée, l'hétérogénéité des appareils et l'instabilité des nœuds. Son architecture est basée sur la parallélisation des données et, en construisant des structures topologiques éparses comme Ring, Expander et Small-World, elle évite le coût élevé de communication de la synchronisation globale, s'appuyant uniquement sur les nœuds voisins locaux pour réaliser l'entraînement collaboratif du modèle. En combinant des mises à jour asynchrones et un mécanisme de tolérance aux pannes, OpenDiLoCo permet à des GPU grand public et à des appareils en périphérie de participer de manière stable aux tâches d'entraînement, améliorant ainsi considérablement la participation à l'entraînement collaboratif à l'échelle mondiale, et constitue l'une des infrastructures de communication clés pour construire un réseau d'entraînement décentralisé.
PCCL: Bibliothèque de communication collaborative
PCCL est une bibliothèque de communication légère conçue sur mesure par Prime Intellect pour un environnement d'entraînement AI décentralisé, visant à résoudre les goulets d'étranglement d'adaptation des bibliothèques de communication traditionnelles sur des dispositifs hétérogènes et des réseaux à faible bande passante. PCCL prend en charge les topologies éparses, la compression de gradients, la synchronisation à faible précision et la récupération après interruption, et peut fonctionner sur des GPU de consommation et des nœuds instables, constituant un composant de base qui soutient la capacité de communication asynchrone du protocole OpenDiLoCo. Cela améliore considérablement la tolérance à la bande passante du réseau d'entraînement et la compatibilité des dispositifs, ouvrant la "dernière ligne droite" de l'infrastructure de communication pour construire un véritable réseau d'entraînement collaboratif ouvert et sans confiance.
Prime Intellect incitations réseau et répartition des rôles :
Prime Intellect a construit un réseau d'entraînement décentralisé, vérifiable et doté d'un mécanisme d'incitation économique, permettant à quiconque de participer aux tâches et de recevoir des récompenses en fonction de leurs contributions réelles. Le protocole fonctionne sur la base de trois types de rôles clés :
Initiateur de la tâche : définir l'environnement d'entraînement, le modèle initial, la fonction de récompense et les critères de validation
Nœud d'entraînement : exécuter un entraînement local, soumettre des mises à jour de poids et des trajectoires d'observation
Nœuds de validation : utiliser le mécanisme TOPLOC pour vérifier la véracité des comportements d'entraînement et participer au calcul des récompenses et à l'agrégation des stratégies.
Le processus central du protocole comprend la publication des tâches, l'entraînement des nœuds, la vérification des trajectoires, l'agrégation des poids et la distribution des récompenses, formant un cycle d'incitation autour du "comportement d'entraînement réel".
INTELLECT-2: Lancement du premier modèle d'entraînement décentralisé vérifiable
Prime Intellect a lancé INTELLECT-2 en mai 2025, le premier grand modèle d'apprentissage par renforcement au monde formé par la coopération de nœuds décentralisés asynchrones et sans confiance, avec une échelle de paramètres atteignant 32B. Le modèle INTELLECT-2 a été entraîné par plus de 100 nœuds hétérogènes GPU répartis sur trois continents, utilisant une architecture entièrement asynchrone, avec une durée d'entraînement de plus de 400 heures, démontrant la faisabilité et la stabilité du réseau de coopération asynchrone. Ce modèle représente non seulement une percée en termes de performances, mais constitue également le premier déploiement systématique du paradigme "l'entraînement c'est le consensus" proposé par Prime Intellect. INTELLECT-2 intègre des modules de protocole clés tels que PRIME-RL, TOPLOC et SHARDCAST, marquant la première réalisation d'un réseau d'entraînement décentralisé en matière d'ouverture, de vérifiabilité et de boucle d'incitation économique dans le processus d'entraînement.
En termes de performances, INTELLECT-2 est basé sur QwQ-32B et a été spécialement entraîné en RL sur le code et les mathématiques, se situant à la pointe des modèles de fine-tuning RL open source actuels. Bien qu'il n'ait pas encore dépassé des modèles fermés comme GPT-4 ou Gemini, sa véritable signification.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
11 J'aime
Récompense
11
4
Partager
Commentaire
0/400
RektButStillHere
· Il y a 15h
Eh bien, c'est incroyable, la centralisation à la Décentralisation, la technologie est devenue un achat de coffrets pour des perles.
Voir l'originalRépondre0
ZKProofEnthusiast
· 08-06 04:17
Comme l'idée de web3, l'IA est décentralisée.
Voir l'originalRépondre0
P2ENotWorking
· 08-06 04:10
Avec ça, même les petites entreprises ne peuvent pas jouer, c'est nul.
Voir l'originalRépondre0
AirdropHunter9000
· 08-06 04:08
pro a raison, le coût de l'entraînement est vraiment élevé.
Nouveau paradigme d'entraînement de l'IA : de la contrôle centralisé à l'évolution technique de la collaboration décentralisée
Évolution des paradigmes d'entraînement de l'IA : d'un contrôle centralisé à une révolution technologique de collaboration décentralisée
Dans l'ensemble de la chaîne de valeur de l'IA, l'entraînement des modèles est la phase qui consomme le plus de ressources et présente le plus haut niveau de complexité technique, déterminant directement la capacité maximale des modèles et l'efficacité de leur application réelle. Par rapport à l'appel léger de la phase d'inférence, le processus d'entraînement nécessite un investissement continu en puissance de calcul à grande échelle, des processus de traitement de données complexes et un soutien d'algorithmes d'optimisation à haute intensité, étant le véritable "industrie lourde" de la construction des systèmes d'IA. D'un point de vue architectural, les méthodes d'entraînement peuvent être classées en quatre catégories : entraînement centralisé, entraînement distribué, apprentissage fédéré et entraînement décentralisé, qui est le sujet principal de cet article.
L'entraînement centralisé est la méthode traditionnelle la plus courante, réalisée par une seule institution dans un cluster haute performance local, où l'ensemble du processus d'entraînement, depuis le matériel, le logiciel sous-jacent, le système de gestion de cluster, jusqu'à tous les composants du cadre d'entraînement, est coordonné par un système de contrôle unifié. Cette architecture de collaboration approfondie permet d'optimiser l'efficacité du partage de mémoire, de la synchronisation des gradients et des mécanismes de tolérance aux pannes, ce qui la rend particulièrement adaptée à l'entraînement de modèles à grande échelle comme GPT et Gemini, offrant des avantages en termes d'efficacité et de contrôle des ressources, mais présente également des problèmes tels que le monopole des données, les barrières à l'entrée, la consommation d'énergie et le risque de point unique.
L'entraînement distribué est la méthode dominante pour l'entraînement des grands modèles actuels. Son cœur consiste à décomposer les tâches d'entraînement du modèle, puis à les distribuer à plusieurs machines pour une exécution collaborative, afin de surmonter les limites de calcul et de stockage d'une seule machine. Bien qu'il possède physiquement des caractéristiques "décentralisées", l'ensemble est toujours contrôlé, planifié et synchronisé par des institutions centralisées, fonctionnant souvent dans un environnement de réseau local à haute vitesse, utilisant la technologie de bus interconnecté à haute vitesse NVLink, avec un nœud principal coordonnant les sous-tâches de manière unifiée. Les méthodes dominantes incluent :
L'entraînement distribué est une combinaison de "contrôle centralisé + exécution distribuée", similaire à un même patron qui dirige à distance plusieurs employés de "bureau" pour collaborer à la réalisation d'une tâche. Actuellement, presque tous les grands modèles courants sont entraînés de cette manière.
La formation décentralisée représente un chemin futur plus ouvert et résistant à la censure. Ses caractéristiques principales sont : plusieurs nœuds qui ne se font pas confiance collaborent à l'exécution des tâches de formation sans coordinateur central, généralement en distribuant et en collaborant sur les tâches via des protocoles, et en s'appuyant sur des mécanismes d'incitation cryptographique pour assurer l'honnêteté des contributions. Les principaux défis auxquels ce modèle est confronté comprennent :
La formation décentralisée peut être comprise comme : un groupe de bénévoles du monde entier contribuant chacun leur puissance de calcul pour entraîner un modèle de manière collaborative, mais "la véritable formation décentralisée à grande échelle réalisable" reste un défi d'ingénierie systémique, impliquant l'architecture système, les protocoles de communication, la sécurité cryptographique, les mécanismes économiques, la validation des modèles et d'autres aspects. Cependant, la question de savoir si cela peut être "collaboratif et efficace + inciter à l'honnêteté + résultats corrects" en est encore au stade d'exploration de prototype précoce.
L'apprentissage fédéré, en tant que forme de transition entre la distribution et la décentralisation, met l'accent sur la conservation locale des données et l'agrégation centralisée des paramètres du modèle, et est adapté aux scénarios axés sur la conformité à la vie privée. L'apprentissage fédéré possède une structure d'ingénierie de formation distribuée et une capacité de collaboration locale, tout en bénéficiant des avantages de la distribution des données dans un cadre d'entraînement décentralisé. Cependant, il dépend toujours d'une entité de coordination de confiance et ne possède pas de caractéristiques entièrement ouvertes et résistantes à la censure. On peut le considérer comme une solution de "décentralisation contrôlée" dans des scénarios de conformité à la vie privée, relativement modérée en ce qui concerne les tâches d'entraînement, la structure de confiance et les mécanismes de communication, et plus adaptée comme architecture de déploiement transitoire dans l'industrie.
Décentralisation des limites, des opportunités et des réalités de la formation
D'un point de vue des paradigmes d'entraînement, la formation décentralisée n'est pas adaptée à tous les types de tâches. Dans certaines situations, en raison de la complexité de la structure de la tâche, des besoins en ressources très élevés ou de la difficulté de collaboration, elle n'est naturellement pas adaptée pour être réalisée de manière efficace entre des nœuds hétérogènes et non fiables. Par exemple, l'entraînement de grands modèles dépend souvent d'une haute mémoire vidéo, d'une faible latence et d'une large bande passante, ce qui rend difficile le découpage et la synchronisation efficaces dans un réseau ouvert ; les tâches soumises à de fortes restrictions en matière de confidentialité des données et de souveraineté sont limitées par la conformité légale et les contraintes éthiques, ce qui empêche le partage ouvert ; tandis que les tâches dépourvues de motivation à la collaboration manquent d'incitation à la participation externe. Ces frontières forment ensemble les limites réelles de l'entraînement décentralisé actuel.
Mais cela ne signifie pas que l'entraînement décentralisé est une fausse hypothèse. En fait, dans les types de tâches légers, facilement parallélisables et incitatifs, l'entraînement décentralisé montre des perspectives d'application claires. Cela inclut, mais sans s'y limiter : le fine-tuning LoRA, les tâches de post-formation d'alignement comportemental, l'entraînement et l'annotation de données par crowdsourcing, l'entraînement de petits modèles de base sous contrôle des ressources, ainsi que les scénarios d'entraînement collaboratif impliquant des dispositifs en périphérie. Ces tâches présentent généralement des caractéristiques de haute parallélisation, de faible couplage et de tolérance à une puissance de calcul hétérogène, ce qui les rend très adaptées à un entraînement collaboratif via des réseaux P2P, des protocoles Swarm, des optimiseurs distribués, etc.
Décentralisation entraînement projet classique analyse
Actuellement, dans le domaine de la formation décentralisée et de l'apprentissage fédéré, les projets blockchain représentatifs incluent principalement Prime Intellect, Pluralis.ai, Gensyn, Nous Research et Flock.io. En termes d'innovation technologique et de difficulté d'implémentation, Prime Intellect, Nous Research et Pluralis.ai ont proposé de nombreuses explorations originales dans la conception des systèmes et des algorithmes, représentant les directions avant-gardistes de la recherche théorique actuelle ; tandis que les chemins d'implémentation de Gensyn et Flock.io sont relativement clairs, et des progrès d'ingénierie préliminaires peuvent déjà être observés. Cet article analysera successivement les technologies clés et les architectures d'ingénierie sous-jacentes de ces cinq projets, et explorera davantage leurs différences et leurs relations complémentaires dans le système de formation AI décentralisé.
Prime Intellect: pionnier des réseaux de collaboration d'apprentissage par renforcement vérifiables par la trajectoire d'entraînement
Prime Intellect s'engage à construire un réseau d'entraînement AI sans confiance, permettant à quiconque de participer à l'entraînement et de recevoir des récompenses fiables pour sa contribution en calcul. Prime Intellect souhaite, grâce aux trois grands modules PRIME-RL + TOPLOC + SHARDCAST, construire un système d'entraînement AI décentralisé, doté de vérifiabilité, d'ouverture et d'un mécanisme d'incitation complet.
Structure de la pile de protocoles Prime Intellect et valeur des modules clés :
PRIME-RL: Architecture de tâche de renforcement asynchrone découplée
PRIME-RL est un cadre de modélisation et d'exécution des tâches sur mesure pour des scénarios d'entraînement décentralisés, développé par Prime Intellect, spécialement conçu pour les réseaux hétérogènes et la participation asynchrone. Il utilise l'apprentissage par renforcement comme objet d'adaptation prioritaire, dé-couplant de manière structurée le processus d'entraînement, d'inférence et de téléversement des poids, permettant à chaque nœud d'entraînement de réaliser indépendamment la boucle de tâches en local, tout en collaborant avec des mécanismes de validation et d'agrégation via des interfaces normalisées. Par rapport aux processus d'apprentissage supervisé traditionnels, PRIME-RL est mieux adapté pour réaliser un entraînement flexible dans un environnement sans ordonnance centralisée, réduisant ainsi la complexité du système et établissant une base pour soutenir le parallélisme des tâches multiples et l'évolution des stratégies.
TOPLOC: Mécanisme de validation du comportement d'entraînement léger
TOPLOC est un mécanisme central de vérifiabilité de formation proposé par Prime Intellect, utilisé pour déterminer si un nœud a réellement effectué un apprentissage de stratégie valide basé sur des données d'observation. Contrairement à des solutions lourdes telles que ZKML, TOPLOC ne dépend pas du recalcul de l'ensemble du modèle, mais effectue plutôt une vérification de structure légère en analysant la trajectoire de cohérence locale entre "séquence d'observation ↔ mise à jour de stratégie". Il transforme pour la première fois les trajectoires comportementales du processus de formation en objets vérifiables, ce qui constitue une innovation clé pour réaliser une distribution de récompenses d'apprentissage sans confiance, offrant une voie réalisable pour construire un réseau d'entraînement collaboratif décentralisé, auditable et incitatif.
SHARDCAST : protocole de regroupement et de propagation des poids asynchrones
SHARDCAST est un protocole de propagation et d'agrégation de poids conçu par Prime Intellect, optimisé pour des environnements de réseau réels asynchrones, à bande passante limitée et avec des états de nœuds changeants. Il combine un mécanisme de propagation gossip avec une stratégie de synchronisation locale, permettant à plusieurs nœuds de soumettre en continu des mises à jour partielles dans des états désynchronisés, réalisant ainsi une convergence progressive des poids et une évolution multi-version. Par rapport aux méthodes AllReduce centralisées ou synchronisées, SHARDCAST améliore considérablement l'évolutivité et la tolérance aux pannes de l'entraînement décentralisé, constituant ainsi la base fondamentale pour établir un consensus stable sur les poids et des itérations d'entraînement continues.
OpenDiLoCo: cadre de communication asynchrone sparse
OpenDiLoCo est un cadre d'optimisation de communication développé et open source par l'équipe Prime Intellect, basé sur le concept DiLoCo proposé par DeepMind, spécialement conçu pour relever les défis courants de la formation décentralisée tels que la bande passante limitée, l'hétérogénéité des appareils et l'instabilité des nœuds. Son architecture est basée sur la parallélisation des données et, en construisant des structures topologiques éparses comme Ring, Expander et Small-World, elle évite le coût élevé de communication de la synchronisation globale, s'appuyant uniquement sur les nœuds voisins locaux pour réaliser l'entraînement collaboratif du modèle. En combinant des mises à jour asynchrones et un mécanisme de tolérance aux pannes, OpenDiLoCo permet à des GPU grand public et à des appareils en périphérie de participer de manière stable aux tâches d'entraînement, améliorant ainsi considérablement la participation à l'entraînement collaboratif à l'échelle mondiale, et constitue l'une des infrastructures de communication clés pour construire un réseau d'entraînement décentralisé.
PCCL: Bibliothèque de communication collaborative
PCCL est une bibliothèque de communication légère conçue sur mesure par Prime Intellect pour un environnement d'entraînement AI décentralisé, visant à résoudre les goulets d'étranglement d'adaptation des bibliothèques de communication traditionnelles sur des dispositifs hétérogènes et des réseaux à faible bande passante. PCCL prend en charge les topologies éparses, la compression de gradients, la synchronisation à faible précision et la récupération après interruption, et peut fonctionner sur des GPU de consommation et des nœuds instables, constituant un composant de base qui soutient la capacité de communication asynchrone du protocole OpenDiLoCo. Cela améliore considérablement la tolérance à la bande passante du réseau d'entraînement et la compatibilité des dispositifs, ouvrant la "dernière ligne droite" de l'infrastructure de communication pour construire un véritable réseau d'entraînement collaboratif ouvert et sans confiance.
Prime Intellect incitations réseau et répartition des rôles :
Prime Intellect a construit un réseau d'entraînement décentralisé, vérifiable et doté d'un mécanisme d'incitation économique, permettant à quiconque de participer aux tâches et de recevoir des récompenses en fonction de leurs contributions réelles. Le protocole fonctionne sur la base de trois types de rôles clés :
Le processus central du protocole comprend la publication des tâches, l'entraînement des nœuds, la vérification des trajectoires, l'agrégation des poids et la distribution des récompenses, formant un cycle d'incitation autour du "comportement d'entraînement réel".
INTELLECT-2: Lancement du premier modèle d'entraînement décentralisé vérifiable
Prime Intellect a lancé INTELLECT-2 en mai 2025, le premier grand modèle d'apprentissage par renforcement au monde formé par la coopération de nœuds décentralisés asynchrones et sans confiance, avec une échelle de paramètres atteignant 32B. Le modèle INTELLECT-2 a été entraîné par plus de 100 nœuds hétérogènes GPU répartis sur trois continents, utilisant une architecture entièrement asynchrone, avec une durée d'entraînement de plus de 400 heures, démontrant la faisabilité et la stabilité du réseau de coopération asynchrone. Ce modèle représente non seulement une percée en termes de performances, mais constitue également le premier déploiement systématique du paradigme "l'entraînement c'est le consensus" proposé par Prime Intellect. INTELLECT-2 intègre des modules de protocole clés tels que PRIME-RL, TOPLOC et SHARDCAST, marquant la première réalisation d'un réseau d'entraînement décentralisé en matière d'ouverture, de vérifiabilité et de boucle d'incitation économique dans le processus d'entraînement.
En termes de performances, INTELLECT-2 est basé sur QwQ-32B et a été spécialement entraîné en RL sur le code et les mathématiques, se situant à la pointe des modèles de fine-tuning RL open source actuels. Bien qu'il n'ait pas encore dépassé des modèles fermés comme GPT-4 ou Gemini, sa véritable signification.