Ir al contenido
IA para hoy

entrenamiento distribuido

Noticias etiquetadas con «entrenamiento distribuido»

10 noticias

Filtrar
Herramientas y productos

AWS explica cómo tolerar fallos en entrenamiento distribuido en EKS usando NVIDIA Resiliency Extension

AWS publicó una guía técnica sobre cómo integrar NVIDIA Resiliency Extension (NVRx) en entrenamiento FSDP de PyTorch sobre Amazon EKS. La solución combina…

Por qué importaPara equipos que entrenan modelos grandes, los fallos de hardware y el checkpointing síncrono pueden consumir hasta un 40% del tiempo de cómputo, lo…

Impacto bajo Fiabilidad una fuente fiable AWS Machine Learning Blog
Herramientas y productos

NVIDIA y Hugging Face integran entrenamiento distribuido de modelos de difusión a escala

NVIDIA y Hugging Face han colaborado para integrar la librería NeMo Automodel en Diffusers, permitiendo entrenar y adaptar modelos de difusión de imagen y…

Por qué importaPara equipos de investigación y empresas que trabajan con modelos generativos, esto reduce significativamente la barrera técnica de entrenamiento y…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Empresa y transformación digital

Outpost VFX logra 8x aceleración en entrenamiento de modelos con AWS multi-GPU

Outpost VFX, estudio de efectos visuales con sedes en Reino Unido, Canadá e India, aceleró 8 veces el entrenamiento de su modelo de reemplazo de rostros…

Por qué importaPara estudios de VFX y producción audiovisual, la velocidad de iteración en aprobación directorial es crítica: cada día de retraso impacta plazos y…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

Hugging Face lanza Delta Weight Sync para entrenar modelos de billones de parámetros eficientemente

Hugging Face ha publicado Delta Weight Sync, una implementación de código abierto que optimiza la sincronización de pesos en entrenamientos de reinforcement…

Por qué importaPara entrenamientos distribuidos de modelos muy grandes, la sincronización de pesos representa un cuello de botella crítico que consume tiempo de GPU…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 Hugging Face
Investigación

AWS publica arquitectura técnica para entrenar modelos base a escala con infraestructura abierta

Amazon ha publicado en Hugging Face un análisis detallado sobre cómo construir la infraestructura necesaria para entrenar e inferencia de modelos base…

Por qué importaProporciona a ingenieros y investigadores un blueprint práctico y documentado sobre cómo dimensionar y ejecutar entrenamientos de modelos base…

Impacto alto Fiabilidad una fuente fiable Relevancia 7/10 Hugging Face
Investigación

Google DeepMind presenta Decoupled DiLoCo para entrenar IA distribuido a escala global

Google DeepMind publica un paper sobre Decoupled DiLoCo, una nueva arquitectura distribuida para entrenar modelos de lenguaje grandes (LLMs) en múltiples…

Por qué importaLa infraestructura de entrenamiento es un cuello de botella crítico para el desarrollo de modelos frontera. Decoupled DiLoCo permite reutilizar…

Impacto alto Fiabilidad fuente primaria Relevancia 8/10 Google DeepMind
Empresa y transformación digital

TGS logra entrenar modelos de fundación para sísmica en 5 días con SageMaker HyperPod

TGS, proveedor de datos geocientíficos para la industria energética, redujo el tiempo de entrenamiento de sus modelos de fundación basados en Vision…

Por qué importaPara empresas de ciencia e ingeniería con cargas computacionales intensivas, esta arquitectura demuestra cómo optimizar infraestructura cloud para…

Impacto alto Fiabilidad confirmado por varias fuentes Relevancia 7/10 AWS Machine Learning Blog
Herramientas y productos

AWS muestra entrenamiento de modelos de código con refuerzo en SageMaker

AWS publica un tutorial técnico sobre cómo entrenar CodeFu-7B, un modelo de 7 mil millones de parámetros especializado en programación competitiva, utilizando…

Por qué importaDemuestra una arquitectura práctica para entrenar modelos de generación de código con retroalimentación de ejecución, un desafío técnico complejo que…

Impacto medio Fiabilidad fuente primaria AWS Machine Learning Blog
Empresa y transformación digital

Hexagon acelera entrenamiento de modelos con SageMaker HyperPod de AWS

Hexagon, empresa líder en tecnologías de medición, colaboró con AWS para escalar la producción de modelos de IA especializados en segmentación de nubes de…

Por qué importaDemuestra cómo infraestructura escalable y resiliente de entrenamiento acelera la innovación en modelos especializados de visión 3D, críticos para…

Impacto alto Fiabilidad fuente primaria Relevancia 7/10 AWS Machine Learning Blog
Investigación

LinkedIn valida entrenamientos agentic RL en GPT-OSS con soluciones técnicas

LinkedIn publica un análisis técnico detallado sobre cómo entrenó con refuerzo (RL) el modelo de código abierto GPT-OSS para aplicaciones agentic. El equipo…

Por qué importaDemuestra que modelos de código abierto competitivos con o3-mini y o4-mini pueden ser entrenables mediante RL agentic con ajustes técnicos concretos…

Impacto medio Fiabilidad fuente primaria Relevancia 7/10 Hugging Face