TorchTitan, PyTorchs inbyggda träningsplattform, har presenterat flera uppgraderingar. Nu stöder den de senaste modellerna med öppna vikter, som Muse Spark Open, Qwen3‑VL, Kimi K2.7, Kimi K3 och DeepSeek‑V4, alla integrerade med plattformens 5-dimensionella parallellisering. I samma version lanseras TitanRL, ett ramverk för förstärkningsinlärning som återanvänder exakt samma förtränade modell för både förträning och inferens, vilket gör separata kodbaser överflödiga. Prestandaförbättringarna omfattar snabbare kärnor, bättre minneshantering och nya kommunikationsfunktioner som snabbar upp storskalig träning.
Varför det spelar roll
Forskare kan börja använda de senaste modellerna och köra RL-experiment utan att skriva om kod, vilket sparar tid och minskar risken för buggar.
