#Qwen3
خبرPrime Mega MoE: هسته‌ی آموزشی ترکیب‌شده‌ای که زمان گام‌های آموزش مدل‌های MoE را تا ۵۵٪ کاهش می‌دهد
Prime Intellect هسته‌ی Prime Mega MoE را منتشر کرد؛ پس‌گذر ترکیب‌شده برای DeepGEMM که زمان گام‌های آموزش مدل‌های Qwen3 MoE را تا ۵۵٪ کاهش…
۷ آبان ۱۴۰۵۲ دقیقه مطالعه
خبرFlashMap: درافتینگ ۱۶ توکن در یک پاس با سرعت‌بخشی ۶٫۱۴ برابری روی Qwen3-8B
پژوهشگران Polymathic AI و Princeton با FlashMap درافتری ۵۰۰ میلیونی معرفی کردند که ۱۶ توکن را در یک پاس پیش‌نویس می‌کند و تا ۶٫۱۴ برابر…
۶ آبان ۱۴۰۵۲ دقیقه مطالعه