待验证50% 置信基准精确时间
在14块rollout GPU加2块训练器GPU的配置下，运行100步训练后，留出集上的精确匹配率从14.5%提升到47%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18
来源
涉及实体
相关事实
待验证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。71% 相似待验证在逐步改进的对照测试中，配置为“两者轮流跑在GPU”时，首音频均值2.3秒（范围1.9-2.7），每次回答卡顿均值0.09次（范围0-1），优于“两者同时跑在GPU”的3.9秒（3.8-4.1）和2.84次（9-17次）。70% 相似待验证在所评估的合成设置下，DASA相比GRADMM提供3.6到4.9倍的加速，且峰值GPU显存占用相当68% 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。68% 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67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074534API
curl https://kongchang.com/api/v1/knowledge/claims/1074534MCP
get_claim(id=1074534)