@PyTorch:在 #PyTorchCon 2026 上,Sara Hooker @sarahookr(@adaption_ai)探讨了扩展更大模型的局限以及向自适应智能的转变
摘要
在 PyTorchCon 2026 上,Sara Hooker(Coatue/Adaption AI)发表主旨演讲,探讨扩展更大模型的局限以及向自适应智能的转变,涵盖后训练、测试时扩展、自适应计算和硬件协同设计,并展示 AutoScientist 相关案例。
查看缓存全文
缓存时间: 2026/10/21 12:31
在 #PyTorchCon 2026 上,Sara Hooker @sarahookr(@adaption_ai)探讨了扩大模型规模的局限性,以及向自适应智能的转变。
Sara 讨论了后训练、测试时扩展、自适应计算和硬件协同设计,作为单纯扩大预训练规模之外的替代方案。她展示了 AutoScientist 的一系列示例,涵盖智能体框架优化、智能体记忆和数据集创建。
她的主旨演讲探讨了如何让 AI 更易于适配和定制,从而让更多人能够构建并拥有前沿 AI。
2026 年预测?“你将构建并拥有前沿 AI”
相似文章
@PyTorch:主题演讲嘉宾宣布 Sara Hooker,@adaption_ai 的首席执行官兼联合创始人,加入 #PyTorchCon 北美大会讨论……
Sara Hooker,Adaptation AI 的首席执行官兼联合创始人,已被宣布为 PyTorch Conference North America 2026 的主题演讲嘉宾,将讨论 AI 的未来和开放创新。
@PyTorch: Live from Shanghai, @sparkycollier delivers his keynote, “Building Frontier Intelligence in the Open,” at PyTorch Confe…
Live from Shanghai, @sparkycollier delivers his keynote, “Building Frontier Intelligence in the Open,” at PyTorch Conference China 2026. Mark focuses on how PyTorch supports an open ecosystem where researchers, developers, model builders, and hardware companies can build and optimize AI across a growing range of models and compute. From open models to new accelerator architectures, Mark is exploring how open development expands who can build AI, helps breakthroughs move from experimentation to p
@PyTorch:来自 @Google 的 Zhipeng Wang 分享了 @DeepSpeedAI 团队在大规模模型训练方面的技术进展,亮相 #PyTorchC…
在 PyTorchCon 2026 上,Google 的 Zhipeng Wang 分享了 DeepSpeed 在大规模模型训练方面的技术进展,包括 AutoSP 自动序列并行、Muon 优化器支持,以及面向 Hugging Face 模型的 AutoTP/AutoEP,同时介绍了与开源社区持续开展的合作。
AI 扩展 vs 人类扩展(12 分钟阅读)
Toby Ord 的文章探讨 AI 模型通过更多 token 扩展的效果是否与人类通过更多时间扩展的效果相当,分析了 METR 的对比数据,并讨论了这一问题对 AI 自我改进与智能爆炸前景的影响。
@PyTorch:@marksaroufim 更少的训练步数并不一定意味着更快的训练。在 #PyTorchCon 2026 上,@coreauto 探讨了支撑更优优化器的线性代数内核……
在 PyTorch Con 2026 上,Mark Saroufim 探讨了支撑更优优化器的线性代数内核,涵盖 QR、对称特征分解与 Cholesky,并从 GPU MODE 的线性代数竞赛中总结了如何通过暴露并行性、重叠独立阶段和合并更新来减少数据搬运。