Un papier propose d’accélérer les modèles bouclés en exploitant leurs points fixes
1 sourcemis à jour il y a 1 jpertinence 3,0 sur5
L’essentiel
Le papier annonce un étudiant distillé dont le préremplissage est jusqu’à 1,79 fois plus rapide. À 1,6 milliard de paramètres, un cache KV 3 fois plus petit atteint la moyenne en aval d’un entraînement à profondeur fixe avec cache complet.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceBenhao Huang, Chufan Shi, Junlin Chen et al.huggingface.co
Towards Looped Models Done Right, Part II: Rethinking at Fixed Points (site externe)
Every recurrence of a looped language model adds cost in training, decoding, prefill, and reinforcement learning (RL). The closer recurrent states get to fixed points, the less the path to them matters.
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