第167章 重启SLRM研究 三

  在接下来的几天里，北大计算中心的gpu集群再次满负荷运转。

  十几个不同版本的模型，在四张a100显卡上日夜不停地交叉训练、验证、叠代。

  徐辰编写了一个自动化的超参数搜索脚本，让计算机自己去寻找那个最优的解。

  屏幕上，十几条loss曲线像赛跑一样交织在一起，有的早早收敛，有的半路崩盘，有的则还在顽强地挣扎。

  最终，在烧掉了数千块钱的电费后，一个名为“v4_final_best”的模型版本脱颖而出。

  它在clutrr验证集上的准確率稳定在了98.8%，比之前的demo版本又提升了3.5个百分点。

  这类预测模型，准確率理论上是到不了100%的，人类在这个数据集上的平均准確率，也不过是99%左右。毕竟，人也会犯错，也会看花眼。

  而且在ai评测中，为了防止模型“过擬合”或者“作弊”，有时候会故意在测试集中掺杂少量的噪声数据。如果一个模型在这些明显错误的题目上也答“对”了，即输出了错误的標註答案，那就说明这个模型可能是在“背题”，而不是在“推理”。

  所以98.8%算得上已经接近理论极限了。

  看著这个数字，徐辰满意地点了点头。

  “就是它了。”

  ……

  隨后徐辰又看了下训练的日誌。这才发现了这个算法存在一些问题。

  由於之前徐辰都是丟给计算机让计算机自己叠代，然后就去做別的事了，所以徐辰並没有太过关注这个模型的运行效率，但是看了日誌才发现，这个slrm模型，太慢了。

  徐辰看著那个令人咋舌的延迟数据：