A.X K2: 688B-Parameter MoE-Modell mit Sparse Gated Attention und 256K Kontext · Lumeric
Beitrag
FORSCHUNGarxiv.org· ArXiv cs.AI★Pro1w
A.X K2: 688B-Parameter MoE-Modell mit Sparse Gated Attention und 256K Kontext
Pro-Quelle
Dieser Beitrag stammt aus einer Pro-Quelle. Mit Lumeric Pro liest du den vollständigen Eintrag inklusive „Warum es zählt", Quelle und verwandten Beiträgen.