Gradient, Echo-2 RL 프레임워크 출시로 AI 연구 효율성 향상

Odaily 소식 분산형 AI 연구소 Gradient가 오늘 Echo-2 분산 강화 학습 프레임워크를 출시하여 AI 연구 훈련 효율성 장벽을 깨고자 합니다. 아키텍처 계층에서 Learner와 Actor의 완전한 분리를 구현함으로써 Echo-2는 30B 모델의 사후 훈련 비용을 4,500달러에서 425달러로 급감시켰습니다. 동일한 예산 하에서 10배 이상의 연구 처리량을 제공합니다.

이 프레임워크는 컴퓨팅과 저장 분리 기술을 활용한 비동기식 훈련(Async RL)을 통해 방대한 샘플링 컴퓨팅 파워를 불안정한 GPU 인스턴스와 Parallax 기반의 이종 GPU로 오프로드합니다. 제한된 구식성, 인스턴스 내결함성 스케줄링 및 자체 개발 Lattica 통신 프로토콜과 같은 기술적 돌파구와 결합하여 모델 정확도를 보장하면서도 훈련 효율을 크게 향상시킵니다. 프레임워크 출시와 함께 Gradient는 RLaaS 플랫폼 Logits도 곧 출시하여 AI 연구가 '자본 집약'에서 '효율 반복' 패러다임으로 전환되도록 추진할 예정입니다. Logits는 현재 전 세계 학생과 연구자에게 예약을 개방했습니다(logits.dev).

알려진 바에 따르면 Gradient는 분산형 인프라 구축에 전념하는 AI 연구소로, 최첨단 대규모 모델의 분산 훈련, 서비스 및 배포에 중점을 두고 있습니다.