Looping Beyond Twice: Một công thức có thể mở rộng cho các chuyên gia
Looping Beyond Twice: A Scalable Recipe for Looped Mixture-of-Experts
Đoạn trích bài viết
Looped Transformers introduce recurrent depth as a new scaling axis for LLMs: by repeatedly applying shared Transformer blocks, they increase effective depth without increasing parameter count. However, the benefits of looping remain unclear for large MoE LLMs under FLOPs-matched comparisons.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.