Autor
Dmitrii Vlashchuk
Papers que incluyen a Dmitrii Vlashchuk entre los autores de la fuente. Un mismo nombre puede corresponder a investigadores distintos.
1 resultados
Papers que incluyen a Dmitrii Vlashchuk entre los autores de la fuente. Un mismo nombre puede corresponder a investigadores distintos.
1 resultados
En ejecuciones emparejadas, Monarch–Muon tuvo menor pérdida que Monarch–AdamW en modelos densos y MoE; con 6,89B, redujo tiempo y memoria frente a Muon denso.