Populární témata
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Co kdybych vám řekl, jak překonat DiLoCo a přitom komunikovat pouze 1-3% pseudogradientu?
22. 8. 10:13
Představujeme SparseLoCo: komunikačně efektivní metodu pro předškolení LLM.
TL; DR: Využíváme Top-k sparsifikace + zpětnou vazbu o chybě s občasnými vnějšími kroky DiLoCo - komunikuje pouze 1–3% gradienty s 2-bitovou kvantizací - překonáváme DiLoCo a DeMo. 1/N,
ArXiv:
Github:
1,5K
Top
Hodnocení
Oblíbené