Riemann Computing 发布技术报告详解 131 亿参数模型开发过程
先了解这件事
Riemann Computing 在 Hugging Face 上发布技术报告，说明其 131 亿参数预发布模型 My Name is Riemann 的分阶段扩展开发过程。该模型由 1.63 亿参数的 OpenPeerLLM 逐阶段扩展而来，使用 OpenPeer-AI-NTK-Trainer 的神经正切内核门控调整输出。 后期训练在配备 8 块 AMD Instinct MI325X GPU 的云端节点上进行，最后阶段约使用 21.6 亿训练 token。在 1000 组提示-补全对的留出数据集上，应用第六阶段控制器后负对数似然从 1.323 降至 1.310，token 准确率从 67.73% 升至 67.84%。公司强调这仅为评估集结果，不代表通用或前沿 AI 能力，模型定位为早期实验版本。
AI 生成摘要 · 以原文为准
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- Business Insider · MarketsRiemann Computing 发布技术报告：详解 131 亿参数模型 My Name is Riemann 开发过程
Riemann Computing 在 Hugging Face 上发布技术报告，说明其 13.1 亿——确切说 13.1 billion（131 亿）参数预发布模型 My Name is Riemann 的分阶段扩展过程：该模型由 1.63 亿参数的 OpenPeerLLM 逐阶段扩展而来，使用 OpenPeer-AI-NTK-Trainer 的神经正切内核门控调整输出。后期训练在配备 8 块 AMD Instinct MI325X GPU 的云端节点上进行，最后阶段约使用 21.6 亿训练 token。在 1000 组提示-补全对的留出数据集上，应用第六阶段控制器后负对数似然从 1.323 降至 1.310，token 准确率从 67.73% 升至 67.84%；公司强调这仅为评估集结果，不代表通用或前沿 AI 能力，模型定位为早期实验版本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。