Sobes.tech

Machine Learning / AI

Kas ir gradientu uzkrāšana un kāpēc tā ir nepieciešama ierobežotas atmiņas gadījumā?

190

Kas ir FlashAttention un kādu atmiņas ieguvumu tas sniedz?

181

Kas ir Pix2Struct?

Middle — Senior
179

Kas ir Donut un kāpēc OCR-brīva pieeja?

Middle — Senior
176

Kas ir LLM maršrutētājs un kāpēc sūtīt pieprasījumus dažādiem modeļiem?

170

Kas ir weight-only kvantizācija un aktivizācijas kvantizācija?

Senior
165

Kas ir expert parallelism MoE modeļos?

Senior
155
/2