Sobes.tech

Machine Learning / AI

Qual è la differenza tra parallelismo dei dati e parallelismo del modello?

156

Cosa è n nel contesto della complessità dell'attenzione?

147

Se non ci sono risposte di riferimento, ci sono solo documenti e contesto — come valutare il sistema e da dove prendere la risposta di riferimento?

146

Cos'altro, oltre all'entropia incrociata, può essere usato come funzione di perdita?

145

Cosa è cambiato nel LLM rispetto al trasformatore originale?

143

Quale tipo di attenzione permette di ridurre la complessità sotto O(n²)?

135

Cosa succede se si fornisce al decodificatore una sequenza di 10k token, mentre il modello è stato addestrato su 9k?

128
/3