LLaMA-MoE: Building Mixture-of-Experts from LLaMA with Continual Pre-training

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhu, Tong, Qu, Xiaoye, Dong, Daize, Ruan, Jiacheng, Tong, Jingqi, He, Conghui, Cheng, Yu
Formato:	Preprint
Publicado:	2024
Materias:	Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2406.16554