进行中

Hugging Face 研究:微调时长预测误差大幅降低

报道
1
信源
1
首次报道
11/19 02:53
最近更新
11/19 02:53

Hugging Face 用 272 个生产环境 SFT 任务(约 7,382 GPU 小时、NVIDIA H200)对比发现,传统 FLOP 估算仅达 R²=0.31、MAE 12.41 小时;仅用调度前信息的 CatBoost 回归器在 5 折交叉验证下达到 R²=0.98、MAE 1.71 小时。 该结果来自 Hugging Face 的一手研究,针对的是微调任务时长预测,而非全部训练任务。Dharma-AI 此前预告将发布端到端微调时长预测论文,但上述数据并非该论文的结论。

最新进展Hugging Face 研究:为什么你的微调任务比 FLOPs 估算慢这么多

热度48 小时内每个独立信源只算一次,24 小时减半

48 小时参与信源
1
6 小时新加入
0
24 小时新报道
1
热点排名
—

热度曲线会在事件持续一段时间后出现。

事件进展1 个阶段

官方一手信息1 篇

全部报道1 篇

#Hugging Face#部署工程#数据与训练#论文研究