Colección de investigaciones
#optimizer-state
1 paper con la etiqueta Optimizer state. Cada paper indica qué demuestra y qué no demuestra.
1 resultados
Los modelos binarios pueden entrenarse con pequeños búferes de actualización
Error Diffusion entrena modelos de lenguaje binarios con pequeños búferes de actualización; los resultados se limitan a las tareas y tamaños probados.