На #NeurIPS2025 @danielhanchen (@UnslothAI), Давиде Тестуггине (@Meta), @joespeez (Meta) и @bhutanisanyam1 (Meta) провели целенаправленное обсуждение о том, как окружения формируют следующий этап агентного ИИ и обучения с подкреплением. Их сессия рассмотрела, почему окружения являются центральными для того, как агенты действуют, учатся и оцениваются в симулированных и реальных условиях, охватывая масштабируемые фреймворки окружений RL, стандарты безопасности и надежности, высокопроизводительные симуляторы для гетерогенного оборудования и то, как окружения интегрируются с тренерами, движками вывода и рабочими процессами после обучения, которые поддерживают выравнивание и развертывание. 📸 Скоро будут новые обновления от #PyTorch на NeurIPS #AIInfrastructure #ReinforcementLearning

Наш последний выпуск PyTorch Foundation Spotlight с участием Джозефа Гроененбома и Стивена Уотта из @RedHat посвящен важности опциональности, открытого сотрудничества и сильного управления в создании здоровых и масштабируемых экосистем ИИ. В этом выпуске, снятом во время конференции PyTorch 2025, они делятся тем, как PyTorch служит ядром генеративного стека ИИ Red Hat. Они обсуждают роль @vllm_project в их работе по инференсу и почему равные вклады и четкие стандарты управления необходимы для здорового сообщества с открытым исходным кодом. 🔗 Смотрите Spotlight: #PyTorch #OpenSourceAI #OpenSource #AIInfrastructure

Эффективная тренировка массивных моделей Mixture-of-Experts (MoE), таких как DeepSeek-V3 и Llama 4-Scout, является одной из задач современного ИИ. Эти модели доводят до предела возможности GPU, сетей и компиляторов. Чтобы справиться с этим, команды PyTorch от AMD и Meta объединили усилия для настройки TorchTitan и Primus-Turbo, открытой библиотеке ядра AMD, для новых GPU Instinct MI325X. Вместе они достигли почти идеального масштабирования на 1,024 GPU, показывая, что эффективность и масштаб не обязательно должны быть компромиссом. 📎 Читайте наш последний блог: #PyTorchFoundation #OpenSourceAI #TorchTitan #MoE