Le filThèmes : RechercheInfraOpen source
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
1 sourcemis à jour 28 sept.pertinence 3,7 sur5
L’essentiel
Sur GPU NVIDIA H20, RayOrch accélère MinerU de 15,14 fois de 4 à 64 GPU. Il réduit le temps de bout en bout de 13,1 % face à Ray Data et de 29,0 % face à Daft sur MinerU.
Propagation1 article, publié par HF Daily Papers le 28 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceXiaochen Ma, Zimo Meng, Junzhu Liang et al.huggingface.co
RayOrch: Programming and Executing Lineage-Controlled Multi-Grain Dataflows for Foundation-Model Data Preparation (site externe)
Preparing high quality training data for foundation models requires scalable pipelines that transform heterogeneous documents and videos into structured records.
Sur les mêmes thèmes
Open source
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Infra
Galahad, une couche mémoire pour vLLM, SGLang et llama.cpp, évite de relire les mêmes textes
Recherche
LoGRA réduit la mémoire de l’entraînement par RL des LLM grâce à des esquisses de gradient de bas rang
Infra
PrismQuant propose une rotation qui aligne les activations avec les groupes INT4 asymétriques
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5