Le filThèmes : RechercheOpen source
Foil propose une méthode pour boucler un modèle MoE : elle aplatit les experts et dissocie l’attention
1 sourcemis à jour il y a 1 jpertinence 3,2 sur5
L’essentiel
À 100 milliards de tokens, le Foil le plus aplati termine 0,012 nat sous la référence bouclée, à paramètres et calcul égaux. Le code et les configurations sont disponibles sur GitHub.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceShouren Wang, Chuang Ma, Mohsen Hariri et al.huggingface.co
How to Loop MoE: Flatten the Experts, Untie the Attention (site externe)
Code and configurations are available at.
Sur les mêmes thèmes
Open source
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Open source
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Open source
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5