bilzardpaper

このトピックを指定するにはbilzardpaperと入力

scraps

Trending Alltime Latest

GPTQ: Accurate Post-Training Quantization for Generative Pre-trained Transformers (Mar 2023)

Openbilzard2025/02/11にコメント追加#bilzardpaper

7

Openbilzard2025/02/14にコメント追加#bilzardpaper

5

ランダムな文書をプロンプトに追加するとRAGの性能が改善する

Openbilzard2025/02/10にコメント追加#bilzardpaper

2

Warmup-Stable-Decay (WSD)

Openbilzard2025/02/09にコメント追加#bilzardpaper

1

AWQ: Activation-aware Weight Quantization for LLM Compression and Acceleration (Jun 2023)

Openbilzard2025/02/08にコメント追加#bilzardpaper

2

Alphazero-like Tree-Search can Guide Large Language Model Decoding and Training (Feb 2024)

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

Marco-o1: Towards Open Reasoning Models for Open-Ended Solutions (Nov 2024)

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

Phi-4: 14Bと小規模ながらGPT-4oレベルの性能のモデル

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

ORM vs PRM: 十分な学習データがあればPRMの方が有望

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (Jan 2025)

Openbilzard2025/02/05にコメント追加#DeepSeek-R1 #bilzardpaper

1

LoRAはfull-finetuningより顕著に性能が劣る

Openbilzard2025/02/05にコメント追加#lora #bilzardpaper

5

7BモデルでDeepSeek-R1のRLを再現する

Openbilzard2025/02/05にコメント追加#bilzardpaper

2

DeepSeek-R1の学習コスト

Openbilzard2025/02/05にコメント追加#DeepSeek v3 #DeepSeek-R1 #bilzardpaper

1

SFT vs RL: RLの方が汎化性能が高い

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

FP4量子化学習のシミュレーション

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

FP8精度によるモデル学習

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

生成データの品質と数のトレードオフ

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

強化学習によりinference scalingは生じているか？

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

PagedAttention: vLLMにおけるメモリ削減手法

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

AI and Memory Wall (Mar 2024)

Openbilzard2025/02/05にコメント追加#bilzardpaper

2

投機的デコーディング(Speculative Decoding)

Openbilzard2025/02/05にコメント追加#bilzardpaper

1

YaRN: RoPEの特性を考慮に入れたコンテクスト長の拡張手法

Openbilzard2025/02/05にコメント追加#bilzardpaper

2

MLA(Multi-head Latent Attention)

Openbilzard2025/02/05にコメント追加#DeepSeek v3 #DeepSeek-V2 #DeepSeek-R1 #bilzardpaper

1

MTP(Multi-Token Prediction)

Openbilzard2025/02/05にコメント追加#DeepSeek v3 #DeepSeek-R1 #bilzardpaper

1

N-gramによる語彙数のスケーリング

Openbilzard2025/02/05にコメント追加#bilzardpaper

2