Together AI 在首尔的 ICML 2026 上展示九篇论文
realtime news Jul 01, 2026 07:46
Together AI 在 ICML 2026 上展示了九篇突破性论文，涵盖 AI 代理、模型效率和 GPU 优化。展位 B714，7 月 6 日至 11 日。
Together AI 在 2026 年国际机器学习会议 (ICML) 上留下了重要印记，共有九篇研究论文被接受展示。ICML 于 7 月 6 日至 11 日在韩国首尔举行，是全球顶级的机器学习会议之一。今年的会议创下了 24,371 篇提交记录，仅接受了 26.6%。Together AI 的贡献涵盖了整个 AI 堆栈，从代理系统到 GPU 核心优化，体现了公司在垂直整合研究和生产级 AI 解决方案方面的专注。
Together AI 研究的一些关键亮点包括：
1. 前沿 AI 代理
在 AI 代理研究的前沿，Together AI 介绍了三项重要进展：
- DSGym: 一个用于评估和训练数据科学代理的框架，涵盖超过 10 个领域的 1,000 多项任务。值得注意的是，DSGym 消除了常见的基准漏洞，要求代理直接处理数据集，而不是调用预先学习的答案。
- ThunderAgent: 一种新的推理系统，通过将工作流视为一等对象，将多轮代理工作流的吞吐量提升至 3.6 倍。
- TTT-Discover: 一种使用开源模型在数学、生物学和 GPU 核心设计等领域实现最先进发现的方法，以远低于专有系统成本的方式取得出色的成果。
2. 模型塑造与推理
公司对模型训练的贡献强调了在不扩展计算的情况下提升推理能力：
- RARO: 一个框架，使 AI 模型能够在没有明确答案的任务（如诗歌或财务分析）上实现接近强化学习级别的推理能力。
- V1: 一种训练技术，通过利用成对比较选择更优输出，在无需额外计算的情况下将答案准确率提高 10%。
3. 效率与优化
Together AI 还解决了推理和硬件利用优化的挑战：
- Aurora: 一种自适应推测解码系统，在流量模式变化时将模型推理速度提升 1.25 倍，展示了其在实时生产环境中的实用性。
- Untied Ulysses: 一种内存高效的方法，能够在单个 GPU 节点上进行 500 万个 token 上下文训练，将内存使用量减少高达 87.5%。
- Opportunistic Expert Activation (OEA): 一种路由方法，可将专家混合 (MoE) 解码延迟减少多达 39%，回收批量推理过程中丢失的效率。
4. 底层硬件创新
在 GPU 核心级别，Together AI 的 ParallelKernelBench 基准测试评估了多 GPU 核心生成，突出了在分布式系统中扩展 AI 模型的挑战。该基准测试提供了 87 个实际工作负载，强调了高效多 GPU 通信和计算的必要性。
为什么这很重要
Together AI 在 ICML 2026 的亮相凸显了其在 AI 研究和生产规模效率方面的领先雄心。通过解决从高层代理设计到硬件级优化的全栈挑战，该公司正在将自己定位为可扩展 AI 解决方案的关键参与者。作为背景，ICML 2026 已因其采用代理型 AI 同行评审而备受关注，反映了自动化在研究过程中的日益整合。
参会者可以在整个会议期间访问展位 B714，了解 Together AI 的更多工作。团队还在积极招募研究人员和工程师，以推进其开发 AI 原生云基础设施和下一代机器学习系统的使命。
有关研究的更多详细信息以及探索职业机会，请访问 Together AI。
Image source: Shutterstock.jpg)
