Tópicos populares
#
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
que teoria bonita!
1/10, 09:02
Mesmo com gradientes de lote completo, os otimizadores de DL desafiam a teoria clássica da otimização, pois operam na *fronteira da estabilidade.*
Com @alex_damian_, introduzimos "fluxos centrais": uma ferramenta teórica para analisar essas dinâmicas que faz previsões quantitativas precisas sobre redes neurais reais.
60,36K
K-POP, obrig @basedjensen
29/09/2025
Pessoas: os robôs estão a substituir a humanidade.
Real: espetáculo de dança de robôs numa conferência robótica de destaque sem mover um dedo do pé.
2,57K
A propósito, eles lançaram uma análise aprofundada sobre o FP8 KVCache do MLA principal.
então, na verdade, ≈1/5 em comparação com o FP8 denso MLA.
29/09/2025
Como esperado, a NSA não é compatível com a MLA, então a DeepSeek escolheu outro método: usar uma atenção menor (d=128) (sem valor) como indexador.
A razão de custo assintótica = 128/576.
Além disso, o indexador usa FP8 enquanto a MLA principal usa 16 bits, então = 64/576 = 1/9.
23,61K
Top
Classificação
Favoritos