Joint MoE Scaling Laws: Mixture of Experts Can Be Memory Efficient

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Ludziejewski, Jan, Pióro, Maciej, Krajewski, Jakub, Stefaniak, Maciej, Krutul, Michał, Małaśnicki, Jan, Cygan, Marek, Sankowski, Piotr, Adamczewski, Kamil, Miłoś, Piotr, Jaszczur, Sebastian
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning Artificial Intelligence Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Descripción
Descripción no disponible.

Ejemplares similares