Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）のスレッド

今後のまとめ。非常に興味深い。マルチトークン予測を、デコードを高速化するのではなく、教師フォーシングを抑制する方法としての元々のアイデアをさらに推し進めている。なんとなく@francoisfleuretのFree Transformerのアイデアを思い出させる。