实体
Mixture-of-Experts Transformers
Mixture-of-Experts Transformers
PulseAugur coverage of Mixture-of-Experts Transformers — every cluster mentioning Mixture-of-Experts Transformers across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新研究探讨人机-LLM联合创作和MoE Transformer的扩展定律
两篇新研究论文探讨了高级人机协作和大型语言模型的理论基础。第一篇论文“CoWriter”介绍了一个旨在通过调整专家方法论来增强人机-LLM联合创作的系统，目标是让作者对其作品拥有更多的控制权和归属感。第二篇论文深入研究了混合专家（MoE）Transformer的泛化和扩展定律，为理解其性能和优化其扩展提供了理论框架。
-
SMELT 架构提高了 MoE Transformer 的训练效率
研究人员开发了 SMELT，一种用于混合专家（MoE）Transformer 的新架构，可提高训练效率和下游性能。通过将 Transformer 的中间层循环两次，同时仔细匹配计算预算，SMELT 与基线模型相比，展示了更快的损失减少和显著的训练 FLOPs 节省。这种架构改进转化为在各种基准测试中更好的性能，尤其是在代码相关任务中，这归因于一种将注意力重定向到更相关标记的机制。