特朗普拟签署行政令推动解散教育部
据多名知情人士透露，美国总统唐纳德·特朗普正在推进一项行政命令，要求制定解散联邦教育部的计划。该命令的草案已在政府高层官员间传阅，预计将指示教育部长提交具体方案，并推动国会立法彻底废除该机构。美国教育部成立于冷战时期，旨在提升全国教育水平并协调各州教育政策，若被解散，将是自该部门设立以来最重大的一次变革。
如果该计划得以实施，将使特朗普更接近兑现其竞选承诺，即削弱联邦政府对教育的干预，并将教育决策权交还各州。然而，即便特朗普签署行政令，解散教育部的进程仍面临多重挑战，包括国会的立法程序以及联邦教育职能的重新分配。特朗普提名的教育部长琳达·麦克马洪尚未接受参议院确认听证会，其如何推动该计划仍存变数。
#特朗普 #美国 #教育 #政策
据多名知情人士透露，美国总统唐纳德·特朗普正在推进一项行政命令，要求制定解散联邦教育部的计划。该命令的草案已在政府高层官员间传阅，预计将指示教育部长提交具体方案，并推动国会立法彻底废除该机构。美国教育部成立于冷战时期，旨在提升全国教育水平并协调各州教育政策，若被解散，将是自该部门设立以来最重大的一次变革。
如果该计划得以实施，将使特朗普更接近兑现其竞选承诺，即削弱联邦政府对教育的干预，并将教育决策权交还各州。然而，即便特朗普签署行政令，解散教育部的进程仍面临多重挑战，包括国会的立法程序以及联邦教育职能的重新分配。特朗普提名的教育部长琳达·麦克马洪尚未接受参议院确认听证会，其如何推动该计划仍存变数。
#特朗普 #美国 #教育 #政策
杜洛夫庆祝农历新年并谈中国在人工智能领域崛起背后教育模式的竞争力
杜洛夫在其频道中发布文章庆祝中国新年（Chinese New Year），并以中国AI初创公司DeepSeek的成功为例，讨论了中国在人工智能领域的快速进步。他指出，这一成就并非偶然，而是长期以来中国学生在数学和编程国际奥林匹克竞赛中表现优异的结果。中国的中学教育体系借鉴了苏联模式，以激烈竞争为核心，能够培养出众多顶尖人才。
相比之下，西方教育体系往往避免竞争，禁止公开学生成绩和排名，以减少学生压力。然而，这种做法也削弱了优秀学生的动力，使他们对学术失去兴趣，转而投向电子游戏等更具竞争性的领域。杜洛夫认为，现实世界的竞争无处不在，无论是体育、商业还是科技，排名和优胜劣汰都是真实存在的。他以AI行业的基准测试为例，强调DeepSeek的优越性，并预测如果美国的中学教育体系不进行根本性改革，中国在科技领域的主导地位将变得不可避免。
#杜洛夫 #教育 #人工智能 #中国
杜洛夫在其频道中发布文章庆祝中国新年（Chinese New Year），并以中国AI初创公司DeepSeek的成功为例，讨论了中国在人工智能领域的快速进步。他指出，这一成就并非偶然，而是长期以来中国学生在数学和编程国际奥林匹克竞赛中表现优异的结果。中国的中学教育体系借鉴了苏联模式，以激烈竞争为核心，能够培养出众多顶尖人才。
相比之下，西方教育体系往往避免竞争，禁止公开学生成绩和排名，以减少学生压力。然而，这种做法也削弱了优秀学生的动力，使他们对学术失去兴趣，转而投向电子游戏等更具竞争性的领域。杜洛夫认为，现实世界的竞争无处不在，无论是体育、商业还是科技，排名和优胜劣汰都是真实存在的。他以AI行业的基准测试为例，强调DeepSeek的优越性，并预测如果美国的中学教育体系不进行根本性改革，中国在科技领域的主导地位将变得不可避免。
#杜洛夫 #教育 #人工智能 #中国
著名人工智能社区 Hugging Face 的工程师马修·卡里根展示了在本地运行 Deepseek-R1 的完整硬件和软件设置。他使用的是 670B 参数的模型，无蒸馏处理，采用 Q8 量化技术，能够实现全质量推理。整个系统的总成本约为 6000 美元，性价比极高。
硬件方面，主板使用技嘉 MZ73-LM0 或 MZ73-LM1，它们具有 2 个 EPYC 插槽，提供 24 个 DDR5 RAM 通道。CPU 方面，可以使用 2 个 AMD EPYC 9004 或 9005 CPU（任何的）。他强调，LLM 的瓶颈在于内存带宽，因此不需要高端 CPU，如果想降低成本，可以购买 9115 甚至 9015。内存是这套系统的关键部分，为了适应 670B 模型的需求，马修配置了 768GB 的内存，具体是 24 个 32GB 的 DDR5-RDIMM 模块，这样做的目的是充分利用 24 个内存通道，确保内存带宽足够快，从而提升模型的推理速度。尽管这套系统的功耗并不高（低于 400W），但由于需要为两个 EPYC CPU 供电，马修选择了 Corsair HX1000i 电源，这款电源不仅功率足够，还提供了大量的 CPU 电源接口，能够满足系统的供电需求。机箱需要支持完整尺寸的服务器主板，并且要有足够的螺丝安装座，散热器方面，马修选择了兼容 AMD EPYC SP5 插槽
的型号，确保 CPU 在高负载下也能保持稳定运行。为了加速模型的加载过程，马修推荐使用 1TB 或更大容量的 NVMe SSD，在启动模型时，需要将 700GB 的模型数据从 SSD 复制到内存中，NVMe 的高速度可以显著减少加载时间。
软件部分，首先需要安装 Linux 操作系统，然后进入 BIOS 设置，将 NUMA 组数设置为 0，确保模型的每一层数据都交错分布在所有的 RAM 芯片上，从而提升内存吞吐量。接下来，安装 Llama 框架，并下载 700GB 的 DeepSeek-R1-Q8_0 版本。一切就绪后，就可以使用以下代码运行 Deepseek-R1： llama-cli -m ./DeepSeek-R1.Q8_0-00001-of-00015.gguf --temp 0.6 -no-cnv -c 16384 -p "<｜User｜>How many Rs are there in strawberry? <｜Assistant｜>" 。运行后，系统会经历一个短暂的加载过程，随后模型开始在本地思考问题并生成结果。
马修指出，系统生成速度约为 6~8 tokens/s，虽不及 GPU 方案快，但考虑到成本，这完全是一个可接受的折中方案。该方案完全基于 CPU，未使用 GPU，因此成本较低。他特别强调，Q8 量化的 670B 模型在质量上与 Deepseek API 提供的服务几乎没有区别。若想进一步提升速度，可考虑使用 GPU，但成本会大幅增加，例如使用 2 块 H100 GPU 的方案可能需要 10 万美元左右。此外，马修方案还未与 Mac mini 统一内存架构方案进行对比，Mac mini 方案可能在部署上更简单，但扩展性和性价比可能不如这套 EPYC 系统。
社区用户 yhfgyyf 对类似配置进行了测试，使用双路 EPYC 9755 处理器，单 CPU 支持 12 通道 DDR5-4800 内存。测试结果显示，最有效的配置是单 CPU 64-96 核，内存频率越高越好，且无需开启超线程功能。他还提到，实际运行中，512 线程的性能反而不如 128 线程，建议根据需求调整线程数。另一位用户 KPX 提到，Unsloth 的动态量化技术可将 Deepseek 模型压缩到 131GB，最低运行内存需求降至 80GB，为资源有限的用户提供了更多选择。关于性能，token/s 主要取决于等效总带宽，因为 LLM 推理是存储密集型任务，4090 显卡的显存带宽约为 1TB/s，而 CPU 方案通过高频 DDR5 和多通道优化也能达到不错的性能。最重要的是确保 NUMA 节点的负载均衡，否则 token/s 可能会大幅下降。
#非新闻信息 #DeepSeek #本地部署 #教程
硬件方面，主板使用技嘉 MZ73-LM0 或 MZ73-LM1，它们具有 2 个 EPYC 插槽，提供 24 个 DDR5 RAM 通道。CPU 方面，可以使用 2 个 AMD EPYC 9004 或 9005 CPU（任何的）。他强调，LLM 的瓶颈在于内存带宽，因此不需要高端 CPU，如果想降低成本，可以购买 9115 甚至 9015。内存是这套系统的关键部分，为了适应 670B 模型的需求，马修配置了 768GB 的内存，具体是 24 个 32GB 的 DDR5-RDIMM 模块，这样做的目的是充分利用 24 个内存通道，确保内存带宽足够快，从而提升模型的推理速度。尽管这套系统的功耗并不高（低于 400W），但由于需要为两个 EPYC CPU 供电，马修选择了 Corsair HX1000i 电源，这款电源不仅功率足够，还提供了大量的 CPU 电源接口，能够满足系统的供电需求。机箱需要支持完整尺寸的服务器主板，并且要有足够的螺丝安装座，散热器方面，马修选择了兼容 AMD EPYC SP5 插槽
的型号，确保 CPU 在高负载下也能保持稳定运行。为了加速模型的加载过程，马修推荐使用 1TB 或更大容量的 NVMe SSD，在启动模型时，需要将 700GB 的模型数据从 SSD 复制到内存中，NVMe 的高速度可以显著减少加载时间。
软件部分，首先需要安装 Linux 操作系统，然后进入 BIOS 设置，将 NUMA 组数设置为 0，确保模型的每一层数据都交错分布在所有的 RAM 芯片上，从而提升内存吞吐量。接下来，安装 Llama 框架，并下载 700GB 的 DeepSeek-R1-Q8_0 版本。一切就绪后，就可以使用以下代码运行 Deepseek-R1： llama-cli -m ./DeepSeek-R1.Q8_0-00001-of-00015.gguf --temp 0.6 -no-cnv -c 16384 -p "<｜User｜>How many Rs are there in strawberry? <｜Assistant｜>" 。运行后，系统会经历一个短暂的加载过程，随后模型开始在本地思考问题并生成结果。
马修指出，系统生成速度约为 6~8 tokens/s，虽不及 GPU 方案快，但考虑到成本，这完全是一个可接受的折中方案。该方案完全基于 CPU，未使用 GPU，因此成本较低。他特别强调，Q8 量化的 670B 模型在质量上与 Deepseek API 提供的服务几乎没有区别。若想进一步提升速度，可考虑使用 GPU，但成本会大幅增加，例如使用 2 块 H100 GPU 的方案可能需要 10 万美元左右。此外，马修方案还未与 Mac mini 统一内存架构方案进行对比，Mac mini 方案可能在部署上更简单，但扩展性和性价比可能不如这套 EPYC 系统。
社区用户 yhfgyyf 对类似配置进行了测试，使用双路 EPYC 9755 处理器，单 CPU 支持 12 通道 DDR5-4800 内存。测试结果显示，最有效的配置是单 CPU 64-96 核，内存频率越高越好，且无需开启超线程功能。他还提到，实际运行中，512 线程的性能反而不如 128 线程，建议根据需求调整线程数。另一位用户 KPX 提到，Unsloth 的动态量化技术可将 Deepseek 模型压缩到 131GB，最低运行内存需求降至 80GB，为资源有限的用户提供了更多选择。关于性能，token/s 主要取决于等效总带宽，因为 LLM 推理是存储密集型任务，4090 显卡的显存带宽约为 1TB/s，而 CPU 方案通过高频 DDR5 和多通道优化也能达到不错的性能。最重要的是确保 NUMA 节点的负载均衡，否则 token/s 可能会大幅下降。
#非新闻信息 #DeepSeek #本地部署 #教程
中共中央国务院发布《教育强国建设规划纲要（2024－2035）》
近日，中共中央国务院正式公布《教育强国建设规划纲要（2024－2035）》，提出一系列教育改革与发展的重要举措，旨在全面提升教育质量，加快建设教育强国。主要内容有：
1. 优化高校思政课方案，推动思政课与专业课程深度融合，构建全员育人、全程育人、全方位育人的教育体系。
2. 保障中小学生体育活动时间，明确要求中小学生每天综合体育活动时间不得低于2小时，扩建学校体育设施，丰富体育活动内容。
3. 设立科学教育特色高中，实施“沃土计划”和“脱颖计划”，培养具有科学素养和创新能力的后备人才。
4. 促进教育公平，加快扩大普通高中供给，扩大优质高中招生指标到校比例，开展均衡派位招生试点，缓解择校压力。
5. 实施高等教育综合改革试点，加强学科建设，深化产教融合、校企合作，提升高校科研创新能力和人才培养质量。
6. 改革国家公派出国留学机制，完善选拔、培养和管理机制，加强留学人员的思政教育。
7. 完善来华留学入学考试考核，加强来华留学生的培养和管理。
#中国 #教育
近日，中共中央国务院正式公布《教育强国建设规划纲要（2024－2035）》，提出一系列教育改革与发展的重要举措，旨在全面提升教育质量，加快建设教育强国。主要内容有：
1. 优化高校思政课方案，推动思政课与专业课程深度融合，构建全员育人、全程育人、全方位育人的教育体系。
2. 保障中小学生体育活动时间，明确要求中小学生每天综合体育活动时间不得低于2小时，扩建学校体育设施，丰富体育活动内容。
3. 设立科学教育特色高中，实施“沃土计划”和“脱颖计划”，培养具有科学素养和创新能力的后备人才。
4. 促进教育公平，加快扩大普通高中供给，扩大优质高中招生指标到校比例，开展均衡派位招生试点，缓解择校压力。
5. 实施高等教育综合改革试点，加强学科建设，深化产教融合、校企合作，提升高校科研创新能力和人才培养质量。
6. 改革国家公派出国留学机制，完善选拔、培养和管理机制，加强留学人员的思政教育。
7. 完善来华留学入学考试考核，加强来华留学生的培养和管理。
#中国 #教育
