Holistic Scaling Laws for Optimal Mixture-of-Experts Architecture Optimization

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Wan, Weilin, Han, Jingtao, Zhang, Weizhong, Jin, Cheng
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares