トップ新着トレンドコメント過去質問紹介求人

rawsh

34 カルマ登録 6 年前

投稿

Flash-MSA: Accelerating Million-Token Training with Sparse Attention Kernels

nanduruganesh.github.io

11 ポイント·投稿者 rawsh·3 時間前·0 コメント

Zyphra ZAYA1-base: First large-scale model trained on AMD

6 ポイント·投稿者 rawsh·8 か月前·1 コメント

Debugging divergence between engine and transformers logprobs for RL

gist.github.com

2 ポイント·投稿者 rawsh·10 か月前·0 コメント