ページを読み込み中…
ページを読み込み中…
8件の記事
Anyscale は、企業がトークン数の最大化から差別化された知能構築へ戦略を転換し、自社の知能を確立することが競争優位性の源泉となる道筋として「学習ループ」の重要性を提示した。
Anyscale は強化学習フレームワーク SkyRL に FP8 加速機能を追加し、トレーニングとロールアウト間でポリシーの一貫性を保ちながら、エンドツーエンドのステップ時間を最大 23% 短縮したことを発表した。
Anyscale Engineering は大規模 LLM サービングで KV キャッシュ再使用の限界を超え、Ray Serve LLM を用いたトークン負荷意識型の最適化手法を提案した。
Anyscale は Ray Serve の非同期推論機能を用いて、メッセージキューと自動スケーリングを備えた動画インデックス化パイプラインを実装し、負荷下での性能を管理型代替サービスと比較する実践例を公開した。
Anyscale は大規模言語モデル(LLM)の強化学習において、RDMA を活用した高速かつ容易な重み同期を実現する「Ray Direct Transport(RDT)」を発表し、従来の実装比で最大 6 倍の転送性能向上を示した。