▇蓝莓视频▇在线观看入口手机版下载是一款模拟谋划战略游戏，该版本玩家可以直接通过安卓模拟器在电脑上装置体验。该游戏接纳唯美的水墨画风，将中国风元素融入游戏场景，为玩家带来极致的视觉享受，让您陶醉其中，感受w3u7903ejky2ywls之美。在游戏中，玩家将饰演一位祖师，开宗立派，作育一众有趣的学生，资助他们渡劫成仙。每位学生都拥有奇异的命格和属性，个性迥异，让您体验到千奇百怪的修仙生涯。

与此同时，▇蓝莓视频▇在线观看入口PC端下载还拥有奇异的挂机机制，您可以将游戏安排在后台，解放双手，让学生们自动修炼、渡劫，知心呵护您的修仙门派。宗门地产建设也是游戏的主要内容，您可以自由摆放，打造属于自己的修仙宗门，创立仙门人的理想家园。从山海异兽到一石一木，随处充满着古韵仙风，让您似乎置身于修仙小说般的瑶池之中。

Meta为他豪掷2亿美元，上交校友庞若鸣，晒出在苹果的最新论文特色

机械之心报道

编辑：笑寒、陈陈

这或许是庞若鸣（Ruoming Pang）在苹果加入的最后一篇论文。

庞若鸣，苹果基础模子团队认真人、优异工程师，即将成为 Meta 新建设的超等智能团队的最新成员。他本科结业于上海交通大学，在谷歌事情了 15 年，以后加入苹果。另据彭博社最新新闻，Meta 更是开出了 2 亿美金的天价来约请庞若鸣加入。

虽然即将跨入另一段人生旅程，但庞若鸣还在为苹果站好最后一班岗。

7 月 9 日，庞若鸣在 X 上宣传了自己加入的一项研究《 AXLearn: Modular Large Model Training on Heterogeneous Infrastructure 》，据相识，这项研究是构建 Apple Foundation 模子的基础代码库。

详细而言，本文设计并实现了AXLearn，一个用于大规模深度学习模子训练的生产级系统，其具备优异的可扩展性和高性能。与其他先进的深度学习系统相比，AXLearn 具有奇异的优势：高度？榛投砸旃褂布基础设施的周全支持。

AXLearn 内部的软件组件接口遵照严酷的封装原则，使得差别组件能够无邪组合，从而在异构盘算情形中快速举行模子开发和实验。

别的，本文还提出了一种用于权衡？榛降男乱欤夯诖胄惺闹仄螅↙oC-complexity）指标。实验批注，AXLearn 在系统扩展时可以坚持恒定的重漂后，而其他系统则泛起出线性甚至二次增添的重漂后。

例如，将 Rotary Position Embeddings（RoPE）这类功效集成到 AXLearn 的上百个？橹薪鲂柙 10 行代码，而在其他系统中可能需要数百行代码才华实现相同效果。同时，AXLearn 也坚持了与主流高性能训练系统相当的训练性能。

论文地点：https://arxiv.org/pdf/2507.05411开源地点：https://github.com/apple/axlearn论文问题： AXLearn: Modular Large Model Training on Heterogeneous Infrastructure

AXLearn 先容

现阶段，像 ChatGPT、Gemini 这样的谈天机械人都是由大模子驱动的。这种深度学习系统会优先思量性能和可扩展性。

作为全球最大的消耗电子和在线效劳公司之一，苹果已经将许多 AI 模子集成到自家产品中，效劳于全球数十亿用户。

除了训练性能和可扩展性外，苹果对深度学习系统尚有两个特另外要求。首先是赋能模子工程师，只需编写最少的代码，就能设置重大的模子界说和训练要领。其次，作为一家大型科技公司，他们不可依赖简单的硬件供应商，因而他们的设计目的是兼容异构后端，如 GPU、TPU 和 AWS Trainium。

为了抵达上述目的，AXLearn 被开发出来。

为了增进？榛，AXLearn 的焦点设计决议是强制执行严酷的封装。 别的，本文还通过将旋转位置嵌入（RoPE）和专家混淆模子（MoE）集成到 AXLearn 中的案例研究，展示了该框架与古板代码行数计数要领的一致性。

图 2 显示了 AXLearn 的系统架构和事情流程。AXLearn 有两个要害组件：

（1）AXLearn 组合器（AXLearn composer）和（2）AXLearn 执行框架（AXLearn runtime）。

用户通常使用 AXLearn 内置的层库和第三方层组件来界说训练设置
；诟蒙柚镁绫，AXLearn 组合器会首先天生完整的 JAX 程序。

这一历程包括以下要害办法： 包括为目的加速器实例选择合适的网格形状、为特定层应用分片注释、为目的硬件自动调优 XLA 编译选项、为后端选择合适的注重力内核，并凭证？樘趵碇械谋昙堑阌τ檬实钡闹嘏趟阏铰。这些注释关于训练的高效运行至关主要。

然后，JAX 程序和编译选项被转达给 XLA 编译器，以天生加速器程序（例如，CUDA 内核），该程序随后通过 AXLearn 运行时在漫衍式硬件（例如 Kubernetes）上举行调理，并使用特定于加速器的运行时（例如 CUDA 运行时）。

AXLearn 执行框架监控加速器程序的执行，并提供特另外功效，如高效的检查点、监控和容错能力。

实验评估

下表展示了差别系统的代码量重漂后（LoC-Complexities）汇总。

在 AXLearn 中，RoPE 和 MoE 被严酷封装。本文提供了一个 10 行的代码片断，可以将这两个功效集成到任何实验设置中。

在本文的内部实践中，正是通过类似的代码片断，乐成设置了凌驾 1000 个实验，用于启用 RoPE、MoE，或两者同时使用。随着？槭炕 RoPE 或 MoE 变体的增添，无需对任何现有接口举行更改，实现了恒定的代码重大性。

在异构硬件上的性能

本文将 AXLearn 的训练性能与以下系统举行了比照：PyTorch FSDP、Megatron-LM 以及 MaxText，这些系统在 GPU 与 TPU 上均实现了先进的训练性能。

本文在三种硬件平台上评估了两个模子：Llama2 7B 与 Llama2 70B：

1. 256/512 H100 GPU（划分对应 32/64 个 AWS P5d 实例，每个实例含 8 张 H100）
；

2. TPU-v5p-512/1024（划分对应 64/128 个 GCP Cloud TPU 主机，每个主机含 4 颗芯片）
；

3. 1024 颗 Trainium2 芯片（64 个 AWS trn2 实例，每个实例含 16 颗 Trainium2 芯片）。

下表总结了性能效果。

为验证 AXLearn 的可扩展性，本文对两个现实安排的模子举行了弱扩展性（weak-scaling）实验。

这些效果批注，AXLearn 靠近线性扩展性，如图 4 所示。

AXLearn 在 TPU 上同样展现出业界领先的推理性能。本文比照了 AXLearn 与 vLLM 在 Llama2 7B 与 70B 参数模子上的推理体现。

如表 4 和图 5 所示，AXLearn 在延迟和吞吐量方面均显著优于 vLLM：

在延迟方面，AXLearn 在 TTFT 和 TPOT 上划分实现了 500 倍和 6 倍加速
；在吞吐量方面，AXLearn 在 7B 模子推理上快 2.8 倍，在 70B 模子上快 1.6 倍。

在生产中的使用体验

现在，AXLearn 已从最初仅有数位开发者、训练百万级参数模子的工具，生长为支持数百位开发者训练十亿至万亿参数规模模子的大型平台。

它在恣意时刻可并行支持凌驾 10,000 个实验的开发与运行，并安排在数十种异构硬件集群上。

借助 AXLearn 训练的部分模子，现已被普遍应用于十亿级用户规模的产品功效中，包括：智能助手、多模态明确与天生、代码智能等要害能力。

相识更多内容，请参考原论文。

游戏亮点

1、富厚多彩的修仙玩法

除了作育学生和建设仙门外，游戏还包括了炼丹、炼器、仙田等多种修仙玩法，让玩家体验到修仙的方方面面。

2、自由建设的仙门地产

玩家可以自由摆放修仙宗门的修建，打造属于自己的修仙家园，创立仙门人的理想天下。

3、细腻细腻的游戏画面

游戏的画面细腻细腻，每一个场景都充满了古典美感，让玩家似乎身临其境，感受到修仙之美。

4、社交互动的兴趣

游戏内置富厚的社交系统，玩家可以与其他玩家组成同盟，配合对抗强敌，体验多人相助的兴趣，增添了游戏的可玩性和意见意义性。

游戏评测

1、游戏玩法富厚，内容深度十足，给玩家带来了极佳的游戏体验。

2、画面细腻，场景设计唯美，让玩家陶醉其中，感受到了修仙天下的奇幻美感。

3、挂机系统的设置知心适用，解放了玩家的双手，让玩家更轻松地享受游戏兴趣。

4、学生个性化塑造突出，每个学生都有自己奇异的故事和特点，增添了游戏的意见意义性和可玩性。

更新日志

v9.542.538724版本

1.1调解问鼎苍穹席位赛的防守阵容设置规则，现在任何时间都可以调解防守阵容

1.2优化天道树意会道果时道果数目缺乏的获取提醒，现在会自动翻开道果宝箱，利便祖师快捷获取

1.3优化新增仙法问道投资运动的购置提醒，现在休赛期购置投资时，若是无法拿满奖励则会有二次确认提醒

1.4修复一连炼制同种丹药时，炼制质料的数目显示异常的过失