BurstAttention: An Efficient Distributed Attention Framework for Extremely Long Sequences

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Sun, Ao, Zhao, Weilin, Han, Xu, Yang, Cheng, Liu, Zhiyuan, Shi, Chuan, Sun, Maosong
Format: Preprint
Publié: 2024
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires