Bilanz der Quelle: Ein einzelner Forscher hat die Modelle Praxis (2,94 Mrd. Parameter) und Logos (10,23 Mrd. Parameter) von Grund auf mit jeweils 1,02 Billionen Tokens trainiert. Die Modelle basieren auf einer zweifach durchlaufenen Mamba-2-Attention-MoE-Architektur und laufen auf AMD Instinct MI300A-Hardware, was zeigt, was mit begrenzten Ressourcen möglich ist.
🔗 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.
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
