Salta al contenuto
Universidad del Mar SIBUMAR Descubridor Institucional UMAR
  • Inicio
  • Búsqueda avanzada
  • Explorar
  • Entra
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Avanzata
  • Pangu Ultra MoE: How to Train Your Big MoE on Ascend NPUs
Copertina

Pangu Ultra MoE: How to Train Your Big MoE on Ascend NPUs

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Tang, Yehui, Yin, Yichun, Wang, Yaoyuan, Zhou, Hang, Pan, Yu, Guo, Wei, Zhang, Ziyang, Rang, Miao, Liu, Fangcheng, Zhang, Naifu, Li, Binghan, Dong, Yonghan, Meng, Xiaojun, Wang, Yasheng, Li, Dong, Li, Yin, Tu, Dandan, Chen, Can, Yan, Youliang, Yu, Fisher, Tang, Ruiming, Wang, Yunhe, Huang, Botian, Wang, Bo, Liu, Boxiao, Zhang, Changzheng, Kuang, Da, Liu, Fei, Huang, Gang, Wei, Jiansheng, Qin, Jiarui, Ran, Jie, Li, Jinpeng, Zhao, Jun, Dai, Liang, Li, Lin, Deng, Liqun, Qin, Peifeng, Zeng, Pengyuan, Gu, Qiang, Tang, Shaohua, Cheng, Shengjun, Gao, Tao, Yu, Tao, Li, Tianshu, Bi, Tianyu, He, Wei, Mao, Weikai, Huang, Wenyong, Liu, Wulong, Li, Xiabing, Yu, Xianzhi, Wu, Xueyu, He, Xu, Du, Yangkai, Xu, Yan, Tian, Ye, Wu, Yimeng, Huang, Yongbing, Tian, Yong, Zhu, Yong, Li, Yue, Wang, Yufei, Gai, Yuhang, Li, Yujun, Luo, Yu, Ni, Yunsheng, Sun, Yusen, Chen, Zelin, Liu, Zhe, Liu, Zhicheng, Tu, Zhipeng, Ding, Zilin, Zhan, Zongyuan
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Computation and Language
Accesso online:
Acceder al recurso
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
  • Citazione
  • Invia SMS
  • Invia email
  • Stampa
  • Esporta il record
    • Esporta a RefWorks
    • Esporta a EndNoteWeb
    • Esporta a EndNote
  • Aggiungi alla lista
  • PLink permanente
  • Posseduto
  • Descrizione
  • Commenti
  • Documenti analoghi
  • MARC21
Descrizione
Descrizione non disponibile.

Documenti analoghi

  • Pangu Pro MoE: Mixture of Grouped Experts for Efficient Sparsity
    di: Tang, Yehui, et al.
    Pubblicazione: (2025)
  • Pangu Ultra: Pushing the Limits of Dense Large Language Models on Ascend NPUs
    di: Yin, Yichun, et al.
    Pubblicazione: (2025)
  • MoE-Prism: Disentangling Monolithic Experts for Elastic MoE Services via Model-System Co-Designs
    di: Xia, Xinfeng, et al.
    Pubblicazione: (2025)
  • Alloc-MoE: Budget-Aware Expert Activation Allocation for Efficient Mixture-of-Experts Inference
    di: Liu, Baihui, et al.
    Pubblicazione: (2026)
  • LLaDA-MoE: A Sparse MoE Diffusion Language Model
    di: Zhu, Fengqi, et al.
    Pubblicazione: (2025)
Universidad del Mar
Universidad del MarSistema Bibliotecario de la Universidad del MarDescubridor Institucional UMARImplementación y desarrollo: Mtro. Carlos Alonso Albores Pérez
InicioBúsqueda avanzadaExplorar
Visitas al Descubridor: 33,245© 2026 Universidad del Mar