NVIDIA Star Elastic : 360× d'économies sur l'entraînement des réseaux de neurones
NVIDIA a présenté Star Elastic, une méthode qui entraîne trois modèles de tailles différentes (30B, 23B et 12B paramètres) en un seul cycle de 160B tokens. L'économie de calcul atteint 360×. À l'inférence, l'elastic budget control améliore la précision de 16 % et réduit la latence d'un facteur 1,9. Après quantification, les trois modèles tiennent sur un seul GPU RTX.
Traité par IA depuis MarkTechPost ; édité par Hamidun News
NVIDIA a présenté Star Elastic, une méthode d'entraînement de réseaux de neurones qui loge trois modèles de tailles différentes (30B, 23B et 12B paramètres) dans un seul fichier de poids, en les réentraînant tous de zéro en une seule session au lieu de trois entraînements distincts.
Quelle économie
Star Elastic apporte-t-il à l'entraînement des réseaux de neurones ? Star Elastic entraîne trois modèles NVIDIA Nemotron (30B, 23B et 12B paramètres) en un seul cycle de 160B tokens, ce qui économise 360 fois le calcul par rapport à un entraînement séparé de chaque modèle.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.