Sparse-Modelle vertragen Wiederholung schlechter: 80-Millionen-MoE entwertet ab vier Durchläufen, dichtes Modell erst ab acht 10. September 2026
Die U-Kurve endet am Interpolationspunkt: Seit 2018 erklärt der doppelte Abstieg, warum mehr Parameter wieder helfen 28. Dezember 2018
KI-Digest
DO · 5. November 2026
KI-Digest
DO · 5. November 2026
