Testnet

一种专用于机器学习的定制化以太坊Rollup解决方案，集成了链下执行、验证与通信框架，构建面向机器智能的网络基础设施。

Read in full

Diverse Expert Ensembles:基于不同专家的并行 LLM

*一种并行训练混合专家模型（Mixture-of-Experts）的创新框架，通过引入异构性提升集成模型性能。*

Read in full

SkipPipe：去中心化学习的高效通信方法

一种新型流水线并行训练方法，可将训练迭代时间减少55%，并在50%节点故障率下实现容错训练。

Read in full

NoLoCo：无需 All-Reduce 的大模型训练

*一种创新的分布式训练优化方法，通过用 gossip 协议替代全局同步步骤，实现在异构和低带宽网络中的高效训练。*

Read in full

CheckFree: 无检查点的故障恢复训练

一种面向流水线并行训练的容错方法，与现有方法相比可实现高达1.6倍的加速效果，且收敛损失最小。

Read in full

Verde：在不可靠节点上进行机器学习验证的协议

一种基于 RepOps 库的机器学习仲裁系统，可在不可信节点上运行，该库支持跨异构设备的比特级结果复现。

Read in full

RL Swarm：协同强化学习的框架系统

一个基于互联网的协作式强化学习点对点系统，可在消费级或数据中心硬件上运行，对所有人开放使用。

Read in full