Sobes.tech

Machine Learning / AI

Aký je rozdiel medzi paralelizmom dát a paralelizmom modelu?

156

Če ni referenčnih odgovorov, obstajajo le dokumenti in kontekst — kako oceniti sistem in od kje vzeti referenčni odgovor?

146

Čo iné ako krížová entropia sa dá použiť ako funkcia straty?

145

Čo sa zmenilo v LLM v porovnaní s pôvodným transformátorom?

143

Aký typ pozornosti umožňuje znížiť zložitosť pod O(n²)?

135

Čo sa stane, ak do dekodéra vložíte sekvencu dĺžky 10k tokenov, zatiaľ čo model bol trénovaný na 9k?

128
/3