[↖ 研究日誌](https://www.goodailabs.com/zh-tw/blog/) 模型工程 # 在 421M 模型中調整 9M引數 reflex-1 的主要改編執行在一個 H200 上花了 75 分鐘。可訓練引數的位置以及該時機包括的內容。 Good AI Labs 2026年10月2日 1 分鐘閱讀 在這篇文章中 - [測得的跑步](https://www.goodailabs.com/#the-measured-run) - [合併後](https://www.goodailabs.com/#after-merging) [全部文章 ↗](https://www.goodailabs.com/zh-tw/blog/) reflex-1 的主要適配訓練更新了 9,036,290 個引數。合併介面卡後，推理模型共有 420,778,370 個引數。訓練更新的引數約佔推理模型的 2.15%。 大多數引數來自預訓練編碼器。ModernBERT 表示狀態與問題；凍結的 MiniLM 表示候選答案。經過擬合的投影連線兩者的表示。主要訓練執行更新了秩為 16 的介面卡和一個共享決策頭。 凍結的權重仍參與推理。即使適應不更新它們，它們也會佔用記憶體 並執行計算。 ## 測得的跑步次數 我們使用了來自八個任務系列的290,657條記錄，進行了6,000次更新。 在一臺NVIDIA H200上的迴圈歷時75分7秒，包括 開發螢幕和檢查點儲存。 該時間不包括基礎模型的預訓練、下載、資料準備、 投影擬合和早期實驗。這次執行產生的檢查點Banking77的 檢查點的準確率為95.0%，熟悉的任務診斷中的Emotion準確率為92.2%。 [效能報告](https://www.goodailabs.com/zh-tw/research/reflex-1/) 涵蓋了所有五項任務和比較的檢查點。 ## 合併後 提取的 FP32 模型在磁碟上佔用大約 1.69 GB 的空間。服務仍然需要 記憶體來啟用和框架分配。 因此，介面卡分數描述的是適配任務，而不是執行時 所需的完整模型的部分。 ∎[回到日記 ↗](https://www.goodailabs.com/zh-tw/blog/) 繼續閱讀 [系統為地方決策服務編制預算↗](https://www.goodailabs.com/zh-tw/blog/security-review-is-the-market/) [代理系統Colony 簡介：擁有記憶和工具的個人智慧體↗](https://www.goodailabs.com/zh-tw/blog/colony-runtime-and-model-budget/)