Thinking Machines Lab 推出 BBBK 4 位训练方案
热点事件持续更新
Thinking Machines Lab 推出 BBBK 4 位训练方案
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Thinking Machines Lab 在 GB300 平台上开发出 BBBK 加速程序，试图解决 4 位低精度训练中的误差积累问题。该方案让前向推理使用 4 位 NVFP4，反向更新切回 8 位 MXFP8，通过双格式协同完成训练。 据 RadarAI 报道，该方案能大幅缩短大模型训练时间，且不牺牲准确率。这一效果目前来自报道中的说法，尚未见独立验证。
AI 根据报道生成 · 14 小时前更新
最新进展11月14日 21:22
Thinking Machines Lab 的 BBBK 方案：4 位训练提速且不牺牲准确率报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- RadarAIThinking Machines Lab 的 BBBK 方案：4 位训练提速且不牺牲准确率
Thinking Machines Lab 在 GB300 平台开发出 BBBK 加速程序，通过前向推理用 4 位 NVFP4、反向更新切回 8 位 MXFP8 的双格式协同，解决 4 位低精度训练的误差积累问题，大幅缩短大模型训练时间且不牺牲准确率。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月15日 00:00
- 近 24 小时变化
- –
02.557.510
11月15日03:0006:0009:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。