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.
Přidejte top-k + chybovou zpětnou vazbu a odstraňte vnější Nesterov z DiloCo (tedy ~vnější plain SGD).
Pořád mě docela překvapuje, že to funguje / mohlo by to nahradit Nesterov :0
Skvělá práce!
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:
4,84K
Top
Hodnocení
Oblíbené