How to Scale Mixture-of-Experts: From muP to the Maximally Scale-Stable Parameterization

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Vankadara, Leena Chennuru, Haas, Moritz, Hayward, Luke, Bordt, Sebastian, Breccia, Alessandro
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!