Populære emner
#
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.
Fint, elsker å se det.
Noen spørsmål jeg tenker på:
* Hvilke systeminnstillinger foretrekker sparsom kommunikasjon fremfor streaming Diloco? Hva skjer hvis du kombinerer dem?
* Er SparseLoCo som oppnår lavere tap noen ganger en artefakt av tilfeldig variasjon, eller kan vi gjøre faktisk hypotesetesting på dette utfallet?
* Feiltilbakemelding er en partisk operatør - er det andre partiske operasjoner som kan forbedre ytre optimalisering?

22. aug., 10:13
Vi introduserer SparseLoCo: en kommunikasjonseffektiv metode for LLM-fortrening.
TL; DR: Vi utnytter Top-k-sparsifisering + feiltilbakemelding med DiLoCos sjeldne ytre trinn – som bare kommuniserer 1–3 % gradienter med 2-bits kvantisering – og overgår DiLoCo og DeMo. 1/N,
ArXiv:
Github:

1,24K
Topp
Rangering
Favoritter