Trajectory 通过并发多 LoRA 栈实现更快的 AI 模型更新

Trajectory 开发了一个新的并发多 LoRA 训练栈，专为持续学习而设计，旨在取代传统的漫长模型更新周期。该平台通过将每个实验映射到共享的多租户引擎上的专用 LoRA 适配器，使模型能够从实时反馈和生产交互中学习。据报道，该系统通过优化 GPU 内存使用和跨作业的负载均衡，在实验吞吐量方面比单租户框架提高了 2.81 倍，且训练奖励没有回归。 AI

影响 通过支持从实时数据中持续学习，加速模型迭代周期，可能缩短开发时间和成本。

排序理由 该集群描述了一种新的技术方法及其报告的性能提升，以现场报告的形式呈现，而不是商业产品发布或新的前沿模型发布。[lever_c_research降级：ic=1 ai=1.0]

在 MarkTechPost 阅读 →

• Anyscale
• Continual Learning
• GSM8K
• LoRA
• Qwen3-4B-Instruct-2507
• Trajectory
• UC Berkeley Sky Lab

• 模型发布
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →