TorchTitan, la piattaforma di training nativa per PyTorch, ha annunciato diversi aggiornamenti. Ora supporta i più recenti modelli open-weight, tra cui Muse Spark Open, Qwen3‑VL, Kimi K2.7, Kimi K3 e DeepSeek‑V4, tutti integrati con il suo parallelismo a 5 dimensioni. La stessa release introduce TitanRL, un framework di reinforcement learning che riutilizza lo stesso modello preaddestrato sia per il pretraining sia per l’inferenza, eliminando la necessità di codebase separate. Tra i miglioramenti delle prestazioni figurano kernel più veloci, una gestione della memoria più efficiente e nuove funzionalità di comunicazione che accelerano il training su larga scala.
Perché conta
I ricercatori possono adottare i modelli più recenti e svolgere esperimenti di RL senza riscrivere il codice, risparmiando tempo e riducendo gli errori.
