待验证50% 置信基准精确时间
VKORE 公开演示的里程碑包含：4600 万参数模型从零训练、运行在 32 块仅推理专用 NPU 芯片上、与 GPU 训练基线的损失相关性为 0.99。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/16
首次发现
有效期至：2026/10/30
来源
VKORE：仅推理NPU跑通大模型预训练，损失相关性达0.99
rss2026/10/16
涉及实体
相关事实
待验证VKORE-46M-NPU参数规模为46M，约为GPT-2 Small（约1.24亿参数）的三分之一，其意义在于验证NPU训练路径可行，而非模型本身的质量。74% 相似待验证来源未提供 VKORE-46M-NPU 的量化基准对比，包括困惑度分数、下游任务准确率和每秒 token 训练吞吐。73% 相似待验证VKORE 与 PyTorch 在 LoRA 训练中的数值一致性达到 0.9999。70% 相似待验证没有任何一个Decision 3.0模型在训练中见过视频数据，但在Perception Test验证集全部19,140道问题上，27B版本零样本得分77.4，4B版本得分70.369% 相似待验证2012年Alex Krizhevsky等人使用AlexNet在ImageNet竞赛中将top-5错误率从26%降低到15.3%，该突破基于两块GTX 580显卡的CUDA加速训练实现66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1044252API
curl https://kongchang.com/api/v1/knowledge/claims/1044252MCP
get_claim(id=1044252)