Посмотрите только на эти цифры. Accuracy вырастает с 30 до 60, а длина в токенах при этом падает с о 120 до 2. Тут, конечно, флопсы надо посчитать и latency для чистоты, но всё равно.
Посмотрите только на эти цифры. Accuracy вырастает с 30 до 60, а длина в…
Из этого канала
- #5588Что-то происходит
Что-то происходит
- #5589Вот вам прекрасное субботнее, про constructor theory (писал про неё тут:…
Вот вам прекрасное субботнее, про constructor theory (писал про неё тут: https://t.me/gonzoML/3086).
- #5592Universal (Loop) Transformers приходят в модели мира. Looped World Models…
Universal (Loop) Transformers приходят в модели мира. Looped World Models Hongyuan Adam Lu, Z.L.
- #5583"Давно мы про GFlowNets не писали. А тут их как раз приспособили для латентного…
"Давно мы про GFlowNets не писали. А тут их как раз приспособили для латентного ризонинга. Всё-таки большая тема.
- #5579MiniMax-M3 и его разреженное внимание. MiniMax Sparse Attention Xunhao Lai,…
MiniMax-M3 и его разреженное внимание. MiniMax Sparse Attention Xunhao Lai, Weiqi Xu, Yufeng Yang, Qiaorui Chen, Yang Xu, Lunbin Zeng, Xiaolong Li, Haohai Sun,…