首页
/ SWIFT项目v3.2.2版本发布:大模型训练与推理能力全面升级

SWIFT项目v3.2.2版本发布:大模型训练与推理能力全面升级

2025-06-08 21:23:38作者:瞿蔚英Wynne

SWIFT(Scalable lightWeight Infrastructure for Fine-Tuning)是一个专注于大模型高效训练与推理的开源框架。该项目由ModelScope团队开发维护,旨在为研究人员和开发者提供一套简单易用、功能强大的工具集,帮助用户在各种硬件环境下高效地进行大模型的微调与部署。

本次发布的v3.2.2版本带来了多项重要更新,特别是在分布式训练、多模态模型支持、训练优化等方面有显著提升。下面我们将详细介绍这些新特性和改进。

Megatron-SWIFT:分布式训练新利器

本次版本最重磅的更新是引入了Megatron-SWIFT模块,这是一个基于Megatron-LM的分布式训练框架。它支持多种并行训练技术,包括:

  • 张量并行(Tensor Parallelism, TP)
  • 流水线并行(Pipeline Parallelism, PP)
  • 序列并行(Sequence Parallelism, SP)
  • 上下文并行(Context Parallelism, CP)

这套系统特别适合超大规模模型的预训练和微调,目前已支持Qwen系列、Llama系列、Deepseek-R1蒸馏系列等100多个主流大模型。在实际应用中,Megatron-SWIFT通过以下创新点显著提升了训练效率:

  1. 流式数据集支持:可以处理超大规模数据集而无需全部加载到内存
  2. 序列打包(Sequence Packing):有效减少padding带来的计算浪费
  3. 灵活的并行策略组合:用户可以根据硬件配置自由组合不同的并行方式

多轮GRPO训练与优化

针对多轮对话和工具调用场景(如Deep Search等agent应用),本版本对GRPO(Generalized Reinforcement Policy Optimization)训练进行了多项增强:

  1. 多轮对话支持:完整保留了对话历史,使模型能够学习复杂的多轮交互模式
  2. Mini-batch训练:通过分批处理显著降低了显存消耗
  3. 奖励模型优化:引入了余弦奖励机制和ε分离策略,提升了训练稳定性

这些改进使得GRPO训练更加适合实际应用场景,特别是在需要长期记忆和复杂推理的任务中表现更优。

多模态模型全面支持

v3.2.2版本显著加强了对多模态模型的支持:

  1. 视觉语言模型训练:新增对iic/gme-Qwen2-VL-2B-Instruct等视觉语言模型的Embedding训练支持
  2. 灵活的模型结构调整:通过外置plugin机制,支持同时使用LoRA训练LLM部分和全参数训练ViT部分,并可为不同部分设置不同学习率
  3. 多标签分类与回归:扩展了模型能力边界,支持多标签分类和回归任务的端到端训练与部署

训练与评估流程优化

为了提高训练效率和模型质量,本版本引入了多项训练流程改进:

  1. 实时评估机制:通过EvalScope可以在训练过程中定期评估模型性能,及时发现训练问题
  2. 数据采样策略:新增随机采样选项,丰富了数据利用方式
  3. 损失函数优化:针对Embedding训练改进了InfoNCE损失计算方式,支持硬负样本

新模型支持

v3.2.2版本扩展了对以下新模型系列的支持:

  1. Qwen2.5-VL-32B-Instruct视觉语言大模型
  2. Google最新发布的Gemma-3-4B-IT系列
  3. DeepSeek-V3-0324最新版本
  4. Mistral-Small-3.1-24B多轮对话优化版本

这些新模型的加入进一步丰富了SWIFT的模型生态,为用户提供了更多选择。

性能优化与问题修复

除了新特性外,本次版本还包含多项重要优化:

  1. 修复了vLLM引擎的内存泄漏问题
  2. 改进了NPU设备上的上下文管理
  3. 优化了LoRA模块的分割策略
  4. 提升了分布式训练的稳定性
  5. 解决了多轮GRPO训练中的若干边界条件问题

这些改进使得框架在各种硬件环境下的运行更加稳定可靠。

总结

SWIFT v3.2.2版本通过引入Megatron-SWIFT分布式训练框架、增强多模态支持、优化训练流程等一系列重大更新,进一步巩固了其作为大模型高效训练与推理解决方案的地位。无论是学术研究还是工业应用,这个版本都提供了更强大、更灵活的工具集,帮助用户更高效地开发和部署大模型应用。

对于已经使用SWIFT的用户,建议升级到这个版本以获得更好的性能和更多功能;对于新用户,现在正是开始探索大模型微调与部署的绝佳时机。随着生态的不断丰富,SWIFT正在成为大模型技术栈中不可或缺的一环。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
954
563
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
408
387
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
71
rainbondrainbond
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
14
1