Swift项目v3.1.1版本发布:大模型训练与评估能力全面升级
2025-06-08 18:02:51作者:殷蕙予
Swift是一个专注于大模型训练和推理优化的开源项目,旨在为研究人员和开发者提供高效、灵活的工具链。该项目近期发布了v3.1.1版本,带来了多项重要功能升级,特别是在大模型训练、多模态支持以及评估体系方面的显著增强。
核心功能升级
1. GRPO训练框架支持
本次更新最引人注目的是对GRPO(一种新型强化学习优化算法)训练框架的全面支持。该框架不仅适用于常规大语言模型,还扩展到了多模态模型和Agent智能体场景。GRPO框架的创新之处在于:
- 支持多节点分布式训练,显著提升了大规模模型的训练效率
- 针对视觉语言模型(VLM)进行了专门优化,如InternVL2.5等模型
- 引入了余弦相似度和重复奖励机制,提升了模型输出的多样性
- 支持vLLM LoRA等高效微调技术,降低资源消耗
2. 多模态与Embedding模型训练
v3.1.1版本加强了对多模态场景的支持:
- 新增对Qwen2.5-VL-72B等视觉语言模型的支持
- 专门针对Embedding模型的训练流程进行了优化
- 支持音频-文本多模态模型Step-Audio-Chat
3. 数据采样与评估体系
在数据层面,本次更新带来了多项创新:
- 引入MCTS(蒙特卡洛树搜索)采样器,提升了数据质量
- 支持知识蒸馏采样方法,便于模型间的知识迁移
- 完善了自定义数据集评估体系,用户可以灵活定义评估指标
- 新增对MathR等数学推理数据集的专门支持
新增模型与数据集
模型支持
- AIDC-AI/Ovis2-2B系列:专为中文优化的轻量级模型
- Qwen/Qwen2.5-VL-72B-Instruct-AWQ:高性能视觉语言模型
- stepfun-ai/GOT-OCR-2.0-hf:强大的OCR识别模型
- mistralai/Mistral-Small-24B-Instruct-2501:高效的指令微调模型
数据集增强
-
GRPO相关:
- MATH-lighteval:轻量级数学评估数据集
- xlam-function-calling-60k:函数调用专项数据
- NuminaMath-TIR:数学推理增强集
-
R1相关:
- Chinese-DeepSeek-R1-Distill-data:中文蒸馏数据
- MathR系列:数学推理专项数据集
技术优化与问题修复
在底层技术方面,v3.1.1版本进行了多项重要改进:
-
设备兼容性:
- 完善了NPU设备的支持
- 修复了CUDA操作在异构设备上的兼容问题
-
训练稳定性:
- 解决了GRPO训练中的NaN值问题
- 优化了Zero3模式下的内存管理
- 调整了温度参数默认值(0.7→0.9)
-
功能增强:
- 支持SwanLab实验跟踪
- 完善了模型保存与加载流程
- 增强了流式输出的稳定性
应用场景与展望
Swift v3.1.1版本的发布,使得以下应用场景得到了显著增强:
- 教育领域:通过MathR等数学数据集和GRPO训练框架,可构建更强大的数学辅导AI
- 多模态交互:视觉语言模型和音频模型的支持,为跨模态应用开发提供了便利
- Agent开发:专门的Agent GRPO支持,为智能体系统开发提供了新的优化路径
- 工业OCR:GOT-OCR等模型的加入,提升了文档识别和处理能力
未来,Swift项目有望在模型压缩、多模态融合等方面继续突破,为AI社区提供更强大的基础工具支持。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
273

🎉 (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
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

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)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8