MegaScale-MoE: Large-Scale Communication-Efficient Training of Mixture-of-Experts Models in Production

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Chao, Jiang, Ziheng, Bai, Zhihao, Zhong, Zheng, Liu, Juncai, Li, Xiang, Zheng, Ningxin, Wang, Xi, Xie, Cong, Huang, Qi, Heng, Wen, Ma, Yiyuan, Bao, Wenlei, Zheng, Size, Peng, Yanghua, Lin, Haibin, Liu, Xuanzhe, Jin, Xin, Liu, Xin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Keine Beschreibung verfügbar.

Ähnliche Einträge