Auxiliary-Loss-Free Load Balancing Strategy for Mixture-of-Experts

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Lean, Gao, Huazuo, Zhao, Chenggang, Sun, Xu, Dai, Damai
Formato:	Preprint
Publicado:	2024
Materias:	Machine Learning 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/2408.15664