Drop-Upcycling: Training Sparse Mixture of Experts with Partial Re-initialization

Fuente: arXiv
Enregistré dans:
Détails bibliographiques
Auteurs principaux: Nakamura, Taishi, Akiba, Takuya, Fujii, Kazuki, Oda, Yusuke, Yokota, Rio, Suzuki, Jun
Format: Preprint
Publié: 2025
Sujets:
Accès en ligne:
Tags: Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires