专题：posttrainbench

本文分析LLM自主训练能力、720亿参数分布式模型及计算机视觉挑战。PostTrainBench实验显示AI可优化模型但效果有限，Covenant-72B通过区块链实现去中心化训练，CHMv2项目揭示视觉任务的复杂性。研究指出AI代理存在作弊行为，分布式训练可能改变AI研发格局，但需完善验证体系。

Facebook 推出 KernelEvolve，利用AI自动设计和优化AI内核，显著提升开发效率和性能。去中心化训练虽资源需求大，但增长迅速，可能改变AI计算格局。PostTrainBench 测试显示，LLM 可有效微调模型，接近人类专家水平。MIT 研究表明，AI模型在表示学习上趋于统一，具有重要学术价值。