#training-memory

Investigación etiquetada training-memory: explicaciones, pruebas, límites y conexiones entre papers.

1 resultados

1. PaperMachine Learning

   BitSparse reduce la memoria al guardar activaciones feed-forward dispersas

   BitSparse comprime activaciones feed-forward con ceros exactos y reduce la memoria medida en dos modelos de lenguaje.

   Añadido a Chiosa 16 oct 2026