تُقدّم SLAI إطار عمل T-Rex، وهو إطار تحسين متكامل من البداية للنهاية للتدريب اللاحق الكامل المعاملات لنماذج MoE ذات التريليون معامل على Ascend NPU SuperPOD. باستخدام عائلة نماذج DeepSeek-V4 كحملة عمل مستهدفة، يتعامل النظام مع ضغط الذاكرة وفوق استهلاك الاتصالات من خلال التوازي الهرمي وتحسينات تنفيذ النواة.
- يحقق 34.22% من استخدام عمليات الفلوبيات للنموذج (MFU)، مما يمثل تحسناً بنسبة 2.93x مقارنةً بالخط الأساسي مفتوح المصدر مع الحفاظ على استقرار التدريب.
- يؤسس سير عمل للتدريب المسبق المستمر (CPT) والضبط الدقيق الخاضع للإشراف (SFT) لمهام بحوث العمليات المعقدة باستخدام DeepSeek-V4-Flash.
- ينشئ مجموعة بيانات مكونة من 10 آلاف عينة SFT عالية الجودة تجمع بين موارد المجال ومستندات التحسين الاصطناعية التي تحققها المحللات عبر أربع فئات مهام.
- يحقق النموذج المتخصص درجة Pass@1 بدون أمثلة تبلغ 71.81%، متفوقاً على GPT-5.4-Mini وDeepSeek-V4-Flash الأساسي بنقطتي 3.98 و11.27 نسبة مئوية على التوالي.
تُظهر هذه الدراسة مساراً شاملاً من المستوى الكامل للتدريب اللاحق لنماذج التريليون معامل بكفاءة على بنية Ascend إلى نماذج Flash المتخصصة في المجال للنمذجة الرياضية المعتمدة على المحللات.