Bello, mi piace vederlo. Alcune domande nella mia mente: * Quali impostazioni di sistema preferirebbero una comunicazione sparsa rispetto allo streaming di Diloco? Cosa succede se li combini? * L'ottenimento di una perdita inferiore da parte di SparseLoCo è a volte un artefatto di variazione casuale, o possiamo fare un vero test di ipotesi su questo risultato? * Il feedback sugli errori è un operatore distorto - ci sono altre operazioni distorte che possono migliorare l'ottimizzazione esterna?