संशोधकाने एक छोटा AI मॉडेल बनवला जो खरा GPU कोड चालवतो
qwenGPU ने Qwen3.5-2B या छोट्या AI मॉडेलमध्ये GPU सारखा प्रोसेसर बसवला आहे, ज्यात प्रशिक्षित न केलेले 45 स्तर वापरले आहेत. त्यानंतर मॉडेल स्वतःहून खऱ्या CUDA लाँचचे प्रत्येक टप्पे लिहितो. चॅटच्या पलीकडे जाऊन छोटा AI मॉडेल काय करू शकतो, याची ही एक वेगळी चाचणी आहे.
सोपा शब्दकोशQwen3.5-2B, CUDA, GPU
- Qwen3.5-2B
- Qwen3.5-2B: Alibaba ने बनवलेल्या Qwen कुटुंबातील सुमारे दोन अब्ज सेटिंग्ज असलेला छोटा AI भाषा मॉडेल.
- CUDA
- CUDA: Nvidia चे सॉफ्टवेअर टूलकिट, जे प्रोग्रॅम्सना ग्राफिक्स चिप्सवर गणिते चालवू देते, जे मोठ्या संख्यात्मक गणितांचा भार उचलतात.
- GPU
- GPU: ग्राफिक्स प्रोसेसिंग युनिट, म्हणजे एकाच वेळी अनेक गणिते वेगाने करण्यासाठी बनवलेली चिप.
बर्निंग पोटॅटो स्कोअर: 70%