研究者提出Dreamer深度循环注意力框架
热点事件持续更新
研究者提出Dreamer深度循环注意力框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Jonas Knupp等作者提出深度循环注意力混合框架Dreamer，将序列注意力、深度注意力与稀疏专家注意力结合，通过沿深度方向的注意力缓解隐藏维度瓶颈。 在语言推理基准上，该框架达到与FLOP、参数和内存匹配的SOTA相同准确率所需训练token减少2至8倍；相同训练token下性能超过约2倍大的SOTA模型。其专家选择多样性比SOTA MoE高2至11倍。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
Dreamer：深度循环注意力混合框架让潜在推理更高效报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.CLDreamer：深度循环注意力混合框架让潜在推理更高效
研究者提出深度循环注意力混合框架 Dreamer，将序列注意力、深度注意力与稀疏专家注意力结合，通过沿深度方向的注意力缓解隐藏维度瓶颈。在语言推理基准上，达到与 FLOP、参数和内存匹配的 SOTA 相同准确率所需训练 token 减少 2 至 8 倍，相同训练 token 下性能超过约 2 倍大的 SOTA 模型。其专家选择多样性比 SOTA MoE 高 2 至 11 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。