Technologia

LLMR & DRozumowanie

Tencent udostępnia Hunyuan-A13B: nowy model MoE z „myśleniem” dwumodowym i kontekstem 256K

Zespół Hunyuan firmy Tencent zaprezentował otwarty model językowy Hunyuan-A13B, oparty na architekturze rzadkiej mieszaniny ekspertów (MoE). Model, choć zbudowany na 80 miliardach parametrów, aktywuje ich zaledwie 13 miliardów podczas wnioskowania, co zapewnia efektywną równowagę między wydajnością a kosztami obliczeniowymi. Model wyróżnia się obsługą uwagi grupowej (GQA), długim oknem kontekstowym 256 tys. tokenów oraz innowacyjnym systemem rozumowania dwumodowego, łączącym „myślenie” szybkie i powolne.

Read More
LLM

Nano-vLLM: Rewolucja w wnioskowaniu modeli językowych, odarta z zbędnych komplikacji

Badacze DeepSeek opublikowali lekką, zbudowaną od podstaw implementację silnika vLLM, nazwaną nano-vLLM. To minimalistyczne narzędzie, stworzone w Pythonie, oferuje szybkość wnioskowania porównywalną z oryginalnym vLLM, jednocześnie stawiając na przejrzystość kodu i prostotę. Stanowi odpowiedź na rosnące zapotrzebowanie na zrozumiałe i modyfikowalne rozwiązania w obszarze wnioskowania dużych modeli językowych.

Read More
Gen AIR & D

Przełom w rozumieniu generalizacji modeli Flow Matching: klucz tkwi w zawodności przybliżeń

Nowe badania rzucają światło na mechanizmy generalizacji w modelach generatywnych Flow Matching, odchodząc od dotychczasowych założeń o roli stochastyczności. Wyniki wskazują, że za zdolność do tworzenia nowych danych odpowiada niedoskonałość sieci neuronowych w dokładnym odwzorowaniu pola prędkości, zwłaszcza na wczesnych etapach trajektorii.

Read More