RT @iamgrigorev: Un artículo agradable y muy reflexivo sobre la formación de los MoE. 1. La dinámica de entrenamiento de moe está desacoplada (solo se activa una parte de FFN), t…
Cargando el detalle del hilo
Obteniendo los tweets originales de X para ofrecer una lectura limpia.
Esto suele tardar solo unos segundos.