Smelt

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。