On DeepSeekMoE: Statistical Benefits of Shared Experts and Normalized Sigmoid Gating

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Nguyen, Huy, Doan, Thong T., Pham, Quang, Bui, Nghi D. Q., Ho, Nhat, Rinaldo, Alessandro
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares