分布式人工智能研究所Gradient发布Echo-2分布式强化学习框架

该框架在架构层面实现了学习器与执行器的完全分离，成功将拥有300亿参数规模模型的后训练成本从4500美元降低至约425美元水平，并在同等预算下提供超过十倍的研究处理量。Echo-2基于存储与计算分离的结构，通过异步强化学习技术实现大规模采样计算，并依托不稳定的GPU实例及基于Parallax的异构GPU进行分布式处理。该框架进一步引入了有限延迟机制、实例容错调度及自主研发的Lattica通信协议等，在维持模型精度的同时显著提升了训练效率。

同步推出强化学习服务平台

Gradient在发布Echo-2的同时，宣布即将推出强化学习即服务平台“Logits”。该平台旨在推动人工智能研究从资本密集型结构向效率导向型结构转型。目前Logits已面向全球学生与研究人员开放预约。Gradient作为专注于大规模模型分布式训练、服务与部署基础设施构建的人工智能研究机构，此次发布进一步巩固了其在高效计算领域的技术定位。