跳到正文
热点事件持续更新

Dharma-AI预览微调耗时预测研究

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

Dharma-AI发布即将上线的论文预览,并基于272次真实SFT任务测试共享GPU集群上的微调耗时预测:基于FLOP的估算仅有R²=0.31,CatBoost预测器在5折交叉验证中达到R²=0.98,平均绝对误差为1.71小时。 该方法利用评估、检查点和GPU负载等调度前信息改进预测,但目前仅适用于H200上的SFT任务;运行时间超过60小时后,预测误差会扩大。完整论文即将发布至arXiv。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. Hugging Face Blog精选
    Dharma-AI研究共享GPU集群上的大语言模型微调时长预测

    Dharma-AI基于272次真实SFT任务提出共享GPU集群的微调时长预测方法。基于FLOP的估算仅达到R²=0.31,而CatBoost预测器在5折交叉验证中达到R²=0.98,平均绝对误差为1.71 h。该方法利用评估、检查点和GPU负载等调度前信息改善预测,但目前仅在H200和SFT任务上验证。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 04:00
近 24 小时变化
–

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。