块并行BP：提升长上下文扩散语言模型分布式训练效率
原文标题：Block Parallelism For Efficient Distributed Long-Context Diffusion Language Model Training
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文针对块扩散语言模型（BDLM）长上下文训练受限于分布式注意力通信与激活显存的问题，提出块并行（BP）及上下文分片块并行（CSBP）新并行维度。在 16 张 H200、256K 上下文下，CSBP 相比最佳基线吞吐提升 1.18-1.45 倍，512K 时全模型加速达 1.61 倍；8 张 H100 上 1M 上下文加速 7.59 倍。该工作为扩散语言模型的长上下文训练提供了可扩展方案。
- 问题
- 块扩散语言模型长上下文训练受分布式注意力通信与激活显存限制。
- 方法
- 提出块并行BP及上下文分片块并行CSBP，将损坏块计算分配到单rank并分片干净序列。
- 结果
- 16张H200、256K上下文吞吐提升1.18-1.45倍，512K全模型加速1.61倍；8张H100、1M上下文加速7.59倍。
- 影响
- 扩散语言模型长上下文训练变得可扩展，长序列训练成本显著下降。
深读 · 结论先行AI 生成展开看要点与影响 ↓
块并行BP与CSBP提升长上下文扩散语言模型训练效率，1M上下文在8张H100上加速7.59倍。
- •BDLM长上下文训练受分布式注意力通信与激活显存限制，传统上下文并行需通信共享clean K/V及块特定corrupted K/V与梯度
- •论文观察到BDLM目标可按目标块分离，提出块并行BP，将每个corrupted块计算分配给一个rank
- •CSBP进一步分片共享clean序列，保持corrupted K/V与梯度本地化，避免复制clean前缀
- •16张H200、256K上下文下，CSBP吞吐比最佳基线提升1.18–1.45倍，512K时全模型加速1.61倍
- •8张H100上DFlash2投机解码训练在512K加速2.48倍、1M加速7.59倍；DiffusionGemma 26B-A4B的12小时SFT中每个检查点通过率更高
为什么重要：为扩散语言模型的长上下文训练提供可扩展并行方案，直接降低超长上下文训练的时间与显存门槛。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。