Trend-Themen
#
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
was für eine schöne Theorie!
1. Okt., 09:02
Selbst mit Vollbatch-Gradienten widersprechen DL-Optimierer der klassischen Optimierungstheorie, da sie am *Rand der Stabilität* operieren.
Mit @alex_damian_ führen wir "zentrale Flüsse" ein: ein theoretisches Werkzeug zur Analyse dieser Dynamik, das genaue quantitative Vorhersagen über reale NNs trifft.
60,36K
K-POP, oblig @basedjensen
29. Sept. 2025
Menschen: Roboter ersetzen die Menschheit.
Echt: Roboter-Tanzshow auf einer führenden Robotik-Konferenz, ohne einen Zeh zu bewegen.
2,57K
Übrigens haben sie eine tiefgehende Analyse des FP8 KVCache des Haupt-MLA veröffentlicht.
Also, tatsächlich ≈1/5 im Vergleich zu FP8 dichten MLA.
29. Sept. 2025
Wie erwartet ist NSA nicht mit MLA kompatibel, daher wählte DeepSeek eine andere Methode: Verwenden Sie eine kleinere (d=128) Aufmerksamkeit (ohne Wert) als den Indexer.
Asymptotisches Kostenverhältnis = 128/576.
Darüber hinaus verwendet der Indexer FP8, während das Haupt-MLA 16-Bit verwendet, also = 64/576 = 1/9.
23,61K
Top
Ranking
Favoriten