Periscope étend sans entraînement le contexte de modèles de langage figés au-delà de leur fenêtre
1 sourcemis à jour il y a 1 jpertinence 3,5 sur5
L’essentiel
Selon Periscope, un modèle de 27 milliards de paramètres lit des contextes de 4,5 millions de tokens sur un seul GPU de 80 Go, là où une passe unique exigerait 296 Go de cache.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceMohamed Eltahir, Anas Obayd, Raed Rashid et al.huggingface.co
Periscope: Extending Frozen Language Models Beyond Their Context Window (site externe)
A language model reads long text in one quadratic forward pass, stops at the context window, and loses accuracy with length before reaching it.
Sur les mêmes thèmes
Infra
Ai2 publie Olmo-core 3, son framework d’entraînement ouvert pour de grands modèles à mélange d’experts
Infra
SlimWise élague les experts uniquement au décodage pour servir plus efficacement les modèles MoE
Recherche
RayOrch, un moteur distribué, préserve les liens parent-enfant dans la préparation de données d’IA
Infra
TRACE propose un entraînement FP4 par RL pour les modèles MoE, guidé par les rollouts
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