Kürzlich aktualisierte Kanäle

Wählen, um nur diesen Kanal zu sehenAlle Kanäle →
20VC with Harry StebbingsheuteAI Engineerheute硅谷101gesternMBMatthew BermanvorgesternPragerUvorgesternY CombinatorvorgesternSemiAnalysisvor 3 Tagena16zvor 3 TagenGOTO Conferencesvor 3 TagenThe Buildersvor 4 Tagen

Ergebnisse

1 Artikel
Sortieren
KanalZhang Xiaojun PodcastThemaGPU programming & kernelsStimmen2 Stimmen
2:36:13ZH
Zhang Xiaojun Podcast· 24. Feb. 2025Podcast · 2 Stimmen松琳逐篇解读 DeepSeek、Kimi 与 MiniMax 的注意力新论文Gast: Songlin Yang（松琳） · Moderation: 张小珺MIT 博士生 Songlin Yang（松琳）拆解 DeepSeek 的 Native Sparse Attention、Kimi 的 MoBA 和 MiniMax-01 的 Lightning Attention，比较三条路线如何在长上下文、训练效率与 GPU 硬件之间取舍。Transformers & attentionGPU programming & kernelsModelle & Training+2