分布式训练

近日，摩尔线程正式发布开源大模型分布式训练仿真工具SimuMax的1.1版本，将原先偏单一功能的仿真工具升级为一体化全栈工作流平台，为大模型训练的仿真评估与调优提供系统化支持。该版本更新聚焦三大核心创新，同时提升对Megatron-LM等主流训练框架的兼容性，并增强对混合并行训练中复杂通信行为的建模精度，使仿真环境更贴近真实生产场景，帮助降低训练策略试错成本并提升资源配置效率。

近日，摩尔线程正式发布开源大模型分布式训练仿真工具SimuMax 1.1版本。在继承v1.0高精度仿真能力基础上，产品由单一工具升级为一体化全栈工作流平台，为大模型训练的仿真评估与性能调优提供系统化支持。更新重点包括可视化配置界面、智能并行策略搜索，以及融合计算与通信效率建模的System-Config生成流水线。同时，新版本提升对Megatron-LM等主流训练框架的兼容性，并加强对混合并行下复杂通信行为的建模精度，使仿真更贴近真实生产环境，帮助降低试错成本并提升训练方案选型效率。

据摩尔线程消息，近日其正式发布开源大模型分布式训练仿真工具SimuMax 1.1版本。在继承v1.0高精度仿真能力基础上，新版升级为一体化全栈工作流平台，提供可视化配置界面、智能并行策略搜索及融合计算与通信效率建模的System-Config生成流水线，并提升对Megatron-LM等主流框架兼容性与混合并行复杂通信建模精度，力求让仿真更贴近生产训练场景，支持训练方案调优与成本评估。

智元具身研究中心于1月6日提出SOP（Scalable Online Post-training）在线后训练系统，面向机器人在真实世界的规模化部署。该框架将VLA后训练从“离线、单机、顺序”重构为“在线、集群、并行”，采用Actor-Learner异步架构，多机器人并行采集经验、云端集中在线更新并分钟级回传参数。官方称SOP可即插即用多种后训练算法，并以HG-DAgger与RECAP验证：商超场景综合性能提升33%，多任务成功率普遍达94%以上，纸盒装配98%，并展示36小时连续操作的稳定性；更多机器人规模可提升学习效率并缩短达标时间。