Topik trending
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
You Jiacheng
Sungguh teori yang indah!
1 Okt, 09.02
Bahkan dengan gradien batch penuh, pengoptimal DL menentang teori pengoptimalan klasik, karena mereka beroperasi di *tepi stabilitas.*
Dengan @alex_damian_, kami memperkenalkan "aliran pusat": alat teoretis untuk menganalisis dinamika ini yang membuat prediksi kuantitatif yang akurat pada NN riil.
68,81K
K-POP, wajib @basedjensen
29 Sep 2025
Orang: robot menggantikan umat manusia.
Nyata: pertunjukan tarian robot di konferensi robot terkemuka tanpa menggerakkan jari kaki.
2,64K
BTW, Mereka merilis penyelaman mendalam tentang FP8 KVCache dari MLA utama.
jadi, sebenarnya ≈1/5 dibandingkan dengan MLA padat FP8.
29 Sep 2025
Seperti yang diharapkan, NSA tidak kompatibel dengan MLA, jadi DeepSeek memilih metode lain: gunakan perhatian yang lebih kecil (d=128) (tanpa nilai o) sebagai pengindeks.
Rasio biaya asimtotik = 128/576.
Selain itu, pengindeks menggunakan FP8 sedangkan MLA utama menggunakan 16-bit, jadi = 64/576 = 1/9.
23,68K
Teratas
Peringkat
Favorit