lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
ホーム
OPRR
速報
深堀り
イベント
BlockBeats Pro
もっと見る
資金調達情報
特集
オンチェーン生態系
用語
ポッドキャスト
データ
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
Partnered With:

見解:API蒸留は単なるRLの足場に過ぎず、GLM 5.2の自律的イテレーションにより米国モデルへの依存を完全に断ち切ることが可能である。

動察 Beatingのモニタリングによると、Google TPUソフトウェアエンジニアのPatrick Toulme氏は、GLM 5.2が蒸留によってOpusに追いついたという外部の見解には誤解があると指摘した。大規模モデルにおけるエージェントコードタスクの訓練の難しさは「ゼロ勾配のジレンマ」にある。つまり、モデルが初期段階で正しい実行経路を生成できない場合、強化学習はパラメータ更新を開始するための勾配信号を得られない。ClaudeやGPT-5.5を蒸留する役割は、単にコールドスタート段階でシード解答を提供し、ゼロ勾配のジレンマを回避することに過ぎない。

モデルがコールドスタートの閾値を超えれば、その後の性能向上は蒸留に依存せず、完全に強化学習の山登りアルゴリズムによる自己進化に頼る。Toulme氏は、GLM 5.2はすでに独立して成功経路を生成する能力を持ち、強化学習を通じて自律的に高次レベルへ反復でき、米国の大規模モデルへの依存から完全に脱却できると強調した。

Redisの創設者Salvatore Sanfilippo氏は、別の経路の可能性を補足した。高性能モデルによる推論モードの導入(蒸留)は、より良いRL信号を得るのに非常に有用だが、DeepSeek R0の実践は、蒸留によるシードが全くない純粋なコールドスタート状況でも、強化学習が自律的に動作し、ブレークスルーを達成できることを証明している。

同時に彼は、コールドスタートの閾値を超える必要がある場合、大規模モデルの研究開発は、米国のAPIに依存する必要はなく、DeepSeek-v3.2などの国内オープンソースモデルを微調整することで十分に実現可能だと述べている。

関連おすすめ
Backpackの創業者Armaniは、CFTCのDCMおよびDCOライセンスを取得したと発表し、米国でSolanaベースのデリバティブ取引プラットフォームと清算機関を立ち上げる。彼らはすでに米国株のトークン化を実現し、従来の証券口座とSolanaウォレット間で自由に出入金できるようにしており、現在Solana上の一部銘柄の出来高はNYSEやNASDAQを超えている。今後は1万銘柄に拡大し、RFQやIntentsなどのコンポーネントを通じてネオ・ブローカレッジ時代を築き、Solanaを金融全体のAPIにすることを目指す。
訂正/通報
送信
新しいライブラリを追加
自分のみが閲覧可
公開
保存
ライブラリを選択
新しいライブラリを追加
キャンセル
完了