Tópicos em alta
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
You Jiacheng
Que bela teoria!
1 de out., 09:02
Mesmo com gradientes de lote completo, os otimizadores DL desafiam a teoria clássica de otimização, pois operam no *limite da estabilidade.*
Com @alex_damian_, introduzimos "fluxos centrais": uma ferramenta teórica para analisar essas dinâmicas que faz previsões quantitativas precisas em NNs reais.
60,39K
K-POP, obrigado @basedjensen
29 de set. de 2025
Pessoas: os robôs estão substituindo a humanidade.
Real: show de dança de robôs em uma importante conferência de robótica sem mover um dedo do pé.
2,6K
BTW, eles lançaram um mergulho profundo no FP8 KVCache do MLA principal.
então, na verdade, ≈1/5 em comparação com o MLA denso FP8.
29 de set. de 2025
Como esperado, o NSA não é compatível com o MLA, então o DeepSeek escolheu outro método: use uma atenção menor (d = 128) (sem valor) como indexador.
Razão de custo assintótico = 128/576.
Além disso, o indexador usa FP8 enquanto o MLA principal usa 16 bits, então = 64/576 = 1/9.
23,63K
Melhores
Classificação
Favoritos