Efficient Long-context Language Model Training by Core Attention Disaggregation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhuang, Yonghao, Chen, Junda, Pang, Bo, Gu, Yi, Zhu, Yibo, Jiang, Yimin, Stoica, Ion, Xing, Eric, Zhang, Hao
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!

Online

https://arxiv.org/abs/2510.18121