Eigen RadarYapay Zekâ
Analiz

MLPerf, yapay zekâ sistem testlerine eylemci son eğitimini kattı

MLCommons, 24 kuruluşun 153 sistemini kapsayan MLPerf Training v6.1 sonuçlarını yayımladı. Yeni tur, öneri sistemleri için bir iş yükü ile ilk model eğitiminden sonraki pekiştirmeli öğrenmeyi sınayan bir test ekliyor; yazılım mühendisliği görevleri de bu kapsamda. NVIDIA, AMD ve Google donanımları sonuçlarda yer alıyor. Yeni görselleştirme araçları, farklı sistemleri ve benzer ölçekteki yapılandırmaları karşılaştırmaya olanak veriyor.

Yapay Zekâ··Sabah
Parlak bir yapay zekâ donanım test salonunda farklı tasarımlı hızlandırıcı sistem kabinleri yan yana test ediliyor; iki mühendis ortak bir konsolda sistem sonuçlarını karşılaştırıyor.

Eğitim testlerine yeni işler eklendi

Sanayi ile akademiyi bir araya getiren yapay zekâ mühendisliği birliği MLCommons, donanım ve yazılımı birlikte sınayan MLPerf Training v6.1 sonuçlarını yayımladı. Yeni Qwen3.5-397B iş yükü, modelin ilk eğitiminden sonraki pekiştirmeli öğrenmeyi ölçüyor. Araç çağırma dahil yazılım mühendisliği işleri bu kapsamda. Diğer yeni iş yükü DLRMv4-HSTU, önceki öneri sistemi testinin yerini alıyor; Yambda veri kümesini ve dikkat temelli bir model yapısını kullanıyor.[1]

Farklı donanımlardan sonuçlar

Yayımlanan turda 24 kuruluşun 153 sisteminden 250 sonuç bulunuyor. Katılımlar NVIDIA, AMD ve Google donanımlarını kapsıyor. NVIDIA’nın Rubin kuşağı grafik işlemcileri ile Google’ın Ironwood tensör işlemcileri ilk kez sonuçlarda yer alıyor. Sonuçlar, sistemleri tanımlı eğitim işlerinde karşılaştırıyor. Küme büyüklüğü ve kullanılan yazılım, açıklanan eğitim sürelerini etkiliyor.[1], [2]

Bulut tabanlı yapılandırmalar 57 sistemle toplamın yüzde 37’sini oluşturdu; v6.0 sürümünde oran yüzde 29’du. Sunulan sistemlerden 12’si en az 1.000 hızlandırıcı kullandı. En büyük yapılandırmada 10.240 hızlandırıcı vardı. Bu sayılar, söz konusu test turuna katılan sistemleri tanımlıyor.[1]

Benzer ölçekteki sistemler karşılaştırılıyor

Sonuçlarla birlikte sunulan yeni görselleştirme araçları, yapılandırmaları karşılaştırmaya ve benzer büyüklükteki sistemleri sıralamaya olanak tanıyor. Ayrıntılı tablolar, katılımcıların ek açıklamalarıyla birlikte Eğitim karşılaştırması sayfasında sunuluyor. Crusoe bu eğitim turuna ilk kez katıldı. MLCommons, eklenen son eğitim testini eylemci yeteneklerini geliştirmede kullanılan süreçleri ölçmenin bir yolu olarak tanımlıyor.[1]

Kaynakça

  1. Haber kaynağıMLCommonsMLPerf Training’in yeni sonuçları, eylemci eğitimini karşılaştırmaya katıyor↩1↩2↩3↩4
  2. Haber kaynağıHardwareluxxMLPerf yeni yapay zekâ eğitimi kıyaslama sonuçlarını yayımladı↩