待验证50% 置信基准精确时间

论文称ZGCM-1在16K上下文的预训练中相比基线实现约4.2倍的time-to-loss效率提升

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

ZGCM-1：7B全开源模型如何用工具调用挑战千亿级大模型

涉及实体

相关事实

待验证ZGCM-1公开了预训练、中期训练、后训练三个阶段的模型权重、中间检查点、完整训练代码、数据与数据配方及W&B训练日志72% 相似已验证混合精度训练通常可将训练速度提升1.5-2倍并减少近一半的显存占用68% 相似待验证诊断训练瓶颈的核心效率差异来自于是否提前建立了性能基线（baseline），如已知模型健康状态下的MFU则可快速发现偏离67% 相似待验证混合精度训练在不显著损失模型精度的前提下，可将训练速度提升约2倍，显存占用降低近一半67% 相似待验证MTP的多步预测目标使训练内存开销约增加15-25%，且需仔细调整各预测头损失权重以避免主任务性能退化67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/921654

API

curl https://kongchang.com/api/v1/knowledge/claims/921654

MCP

get_claim(id=921654)