这次更新
谷歌 DeepMind 推出解耦式 DiLoCo，把训练任务拆进多个异步、故障隔离的计算单元中，提高大规模训练的鲁棒性。
为什么值得看
训练系统的竞争已经不只是芯片和参数，还包括谁能在真实故障和分布式条件下把大模型跑得更稳更便宜。
站内判断
如果你关注模型训练、基础设施和工程效率，这类架构层创新值得长期跟。
谷歌 DeepMind 推出解耦式 DiLoCo，异步训练开始更强调容错和硬件隔离
这条消息的价值，不只是一个新训练架构名字，而是它在提醒大家：大模型训练效率正在从算力堆叠转向系统设计竞争。