男的桶女的僕がその頃歩いていたの山陰の海岸だった。鳥取か兵庫の北海岸かそのあたりだった。海岸に沿って歩くのは楽だった。砂浜のどこかには必ず気持よく眠れる場所があったからだ。流木をあつめてきた火をしc魚屋で買ってきた干魚をあぶって食べたりすることもできた。そしてウィスキーを飲みc波の音に耳を澄ませながら直子のことを思った。彼女が死んでしまってもうこの世界に存在しないというのはとても奇妙なことだった。僕にはその事実がまだどうしても呑みこめなかった。僕にはそんなことはとても信じられなかった。彼女の棺のふたに釘を打つあの音まで聞いたのにc彼女が無に帰してしまったという事実に僕はどうしても順応することができずにいた。　　抓住旅游消费复苏的机遇，西藏各涉旅企业也推出针对性举措。林芝新绎旅游开发有限公司米林分公司在其运营的国家5A级雅鲁藏布大峡谷景区，对西藏常住居民实施免2023年全年门票政策。“今年我可以随时带家人到大峡谷景区游玩了。”林芝市民王杉说，随着5A级景区创建成功，大峡谷景区的基础设施水平大幅提升，游乐体验项目也增加了不少。除了观赏自然风光，带着孩子体验各类项目或者研学旅行都不错。ESF1W0-dd7rR3WfbkFyyRW-昆仑万维宣布开源2千亿稀疏大模型Skywork-MoE

　　6月3日，昆仑万维宣布开源2千亿稀疏大模型Skywork-MoE，性能强劲，同时推理成本更低。Skywork-MoE基于之前昆仑万维开源的Skywork-13B模型中间checkpoint扩展而来，是首个完整将MoE Upcycling技术应用并落地的开源千亿MoE大模型，也是首个支持用单台4090服务器推理的开源千亿MoE大模型。

　　开源地址

　　Skywork-MoE的模型权重、技术报告完全开源，免费商用，无需申请。

　　模型架构

　　本次开源的Skywork-MoE模型隶属于天工3.0的研发模型系列，是其中的中档大小模型(Skywork-MoE-Medium)，模型的总参数量为146B，激活参数量22B，共有16个Expert，每个Expert大小为13B，每次激活其中的2个Expert。

　　模型能力

　　昆仑万维基于目前各大主流模型评测榜单评测了Skywork-MoE，在相同的激活参数量20B(推理计算量)下，Skywork-MoE能力在行业前列，接近7 0B的Dense模型，使得模型的推理成本有近3倍的下降。同时Skywork-MoE的总参数大小比DeepSeekV2的总参数大小要小1/3，用更小的参数规模做到了相近的能力。

　　技术创新

　　为了解决MoE模型训练困难，泛化性能差的问题，相较于Mixtral-MoE， Skywork-MoE设计了两种训练优化算法：

　　1.Gating Logits归一化操作

　　昆仑万维在Gating Layer的token分发逻辑处新增了一个normalization操作，使得Gating Layer的参数学习更加趋向于被选中的top-2 experts，增加MoE模型对于top-2的置信度：

　　2.自适应的 Aux Loss

　　有别于传统的固定系数(固定超参)的aux loss，昆仑万维在MoE训练的不同阶段让模型自适应的选择合适的aux loss超参系数，从而让Drop Token Rate保持在合适的区间内，既能做到expert分发的平衡，又能让expert学习具备差异化，从而提升模型整体的性能和泛化水平。在MoE训练的前期，由于参数学习不到位，导致Drop Token Rate太高(token分布差异太大)，此时需要较大的aux loss帮助token load balance；在MoE训练的后期，昆仑万维希望Expert之间仍保证一定的区分度，避免 Gating倾向为随机分发Token，因此需要较低的aux loss降低纠偏。

　　训练Infra

　　如何对MoE模型高效的进行大规模分布式训练是一个有难度的挑战，目前社区还没有一个最佳实践。Skywork-MoE提出了两个重要的并行优化设计，从而在千卡集群上实现了MFU 38%的训练吞吐，其中MFU以22B的激活参数计算理论计算量。

　　1.Expert Data Parallel

　　区别于Megatron-LM社区已有的EP(Expert Parallel)和ETP(Expert Tensor Parallel)设计，昆仑万维提出了一种称之为Expert Data Parallel的并行设计方案，这种并行方案可以在Expert数量较小时仍能高效的切分模型，对Expert引入的 all2all通信也可以最大程度的优化和掩盖。相较于EP对GPU数量的限制和ETP在千卡集群上的低效， EDP可以较好的解决大规模分布式训练MoE的并行痛点，同时EDP的设计简单、鲁棒、易扩展，可以较快的实现和验证。

　　2.非均匀切分流水并行

　　由于first stage的Embedding计算和last stage的Loss计算，以及Pipeline Buffer的存在，流水并行下均匀切分Layer时的各stage计算负载和显存负载均有较明显的不均衡情况。昆仑万维提出了非均匀的流水并行切分和重计算Layer分配方式，使得总体的计算/显存负载更均衡，约有10%左右的端到端训练吞吐提升。

　　MoE Know-how

　　此外，Skywork-MoE还通过一系列基于Scaling Laws的实验，探究哪些约束会影响Upcycling和From Scratch训练MoE模型的好坏。

　　一个可以遵循的经验规则是：如果训练MoE模型的FLOPs是训练Dense模型的2倍以上，那么选择from Scratch训练MoE会更好，否则的话，选择Upcycling训练MoE 可以明显减少训练成本。

　　4090推理

　　Skywork-MoE是目前能在8x4090服务器上推理的最大的开源MoE模型。8x4090服务器一共有192GB的GPU显存，在FP8量化下(weight占用146GB)，使用昆仑万维首创的非均匀Tensor Parallel并行推理方式，Skywork-MoE可以在合适的batch size 内达到2200 tokens/s的吞吐。

　　昆仑万维希望本次开源的Skywork-MoE模型、技术报告和相关的实验结果可以给开源社区贡献更多的MoE训练经验和Know-how，包括模型结构、超参选择、训练技巧、训练推理加速等各方面，探索用更低的训练推理成本训更大更强的模型，在通往AGI的道路上贡献一点力量。