HierMoE: Accelerating MoE Training with Hierarchical Token Deduplication and Expert Swap

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Lin, Wenxiang, Pan, Xinglin, Zhang, Lin, Shi, Shaohuai, Wang, Xuan, Chu, Xiaowen
Formato:	Preprint
Publicado:	2025
Materias:	Distributed, Parallel, and Cluster Computing Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2508.09591