SLAI ने T-Rex पेश किया है, जो Ascend NPU SuperPOD पर ट्रिलियन-पैरामीटर स्केल MoE मॉडल्स के पूर्ण-पैरामीटर पोस्ट-ट्रेनिंग के लिए एक एंड-टू-एंड ऑप्टिमाइजेशन फ्रेमवर्क है। DeepSeek-V4 मॉडल फैमिली को टारगेट वर्कलोड के रूप में उपयोग करते हुए, सिस्टम हियरार्किकल पैरेलेलिज्म और कर्नेल एक्जीक्यूशन ऑप्टिमाइजेशन के माध्यम से मेमोरी प्रेशर और कम्युनिकेशन ओवरहेड को संबोधित करता है।
- 34.22% मॉडल FLOPs उपयोग (MFU प्राप्त करता है, जो खुले-स्रोत बेलाइन की तुलना में 2.93x सुधार का प्रतिनिधित्व करता है, जबकि ट्रेनिंग स्थिरता बनाए रखता है।
- DeepSeek-V4-Flash का उपयोग करके जटिल ऑपरेशंस रिसर्च कार्यों के लिए एक कंटिन्यूअस प्री-ट्रेनिंग (CPT) और सुपर्वाइज्ड फाइन-ट्यूनिंग (SFT) वर्कफ्लो स्थापित करता है।
- चार कार्य श्रेणियों में डोमेन संसाधनों को सॉल्वर-सत्यापित सिंथेटिक ऑप्टिमाइजेशन दस्तावेज़ों के साथ जोड़कर 10K उच्च-गुणवत्ता वाले SFT नमूनों का एक डेटासेट बनाता है।
- विशेष मॉडल शून्य-शॉट Pass@1 स्कोर 71.81% प्राप्त करता है, जो GPT-5.4-Mini और बेस DeepSeek-V4-Flash दोनों से क्रमशः 3.98 और 11.27 प्रतिशत अंक से बेहतर प्रदर्शन करता है।
यह कार्य Ascend इंफ्रास्ट्रक्चर पर ट्रिलियन-पैरामीटर मॉडल पोस्ट-ट्रेनिंग से लेकर सॉल्वर-आधारित गणितीय मॉडलिंग के लिए डोमेन-विशेष Flash मॉडल्स तक एक पूर्ण-स्टैक पथ को प्रदर्शित करता है।