Bilanz der Quelle: Shazeer und seine Kollegen haben für die ersten produktionsreifen Ergebnisse der Conditional Computation in Neuronalen Netzen geschaffen. Sie haben ein MoE-Layer mit bis zu tausend Experten und bis zu 137 Mrd. Parametern entwickelt, das durch ein lernbares Sparse-Gating mit Load-Balancing-Verlusten gesteuert wird.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
