SEER-MoE: Sparse Expert Efficiency through Regularization for Mixture-of-Experts

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Muzio, Alexandre, Sun, Alex, He, Churan
Formato:	Preprint
Publicado:	2024
Materias:	Computation and Language Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2404.05089