待验证50% 置信事实精确时间
Transformer大模型只用8块显卡训练3.5天，小版本用12小时、10万步、6500万参数
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证一位开发者在Hacker News上发布实验，仅用1.5小时训练出的小型Transformer模型在特定任务上超越了许多参数量庞大的主流LLM73% 相似待验证一位开发者用一块 RTX PRO 6000、耗时 3.5 天，从零训练了一个 2.1 亿参数的文本到图像扩散 Transformer（DiT），训练数据为 420 万张 256² 分辨率图像69% 相似待验证RT-1（2022年）是基于Transformer的端到端策略，使用包含130k条由13台机器人在17个月内采集的演示轨迹训练66% 相似待验证训练好的神经网络代理模型可在毫秒内给出近似结果，将原本需数年的设计迭代压缩至数周甚至数天65% 相似待验证Agent 任务需要模型多轮调用，12B 模型在消费级显卡上单次推理已需数秒，多步任务耗时会显著叠加64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/908613API
curl https://kongchang.com/api/v1/knowledge/claims/908613MCP
get_claim(id=908613)