Des chercheurs remplacent le produit matriciel d’un Transformer par un produit d’algèbre associative
1 sourcemis à jour 29 sept.pertinence 3,0 sur5
L’essentiel
Sur deux modèles d’environ 110 millions de paramètres, la variante algébrique gagne 6,2 à 7,8 % de débit de génération, mais obtient des scores plus bas sur les trois métriques aval. Les auteurs parlent d’un test de faisabilité.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceIlya Koziev, Ivan Oseledetshuggingface.co
Change the Product, Keep the Parameters: Associative Algebra Layers for Transformers (site externe)
Fast matrix multiplication algorithms keep the product fixed and search for a cheaper way to evaluate it. We instead ask whether a Transformer’s learned projections can use a different, cheaper product altogether.
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