شراء عملات رقمية
الدفع بواسطة
USD
USD
الشراء والبيع
Hot
يدعم Visa ،Mastercard ،SEPA والمزيد
P2P
0 Fees
تداول مرن بدون أي رسوم
بطاقة Gate
استخدم عملاتك الرقمية لإجراء المدفوعات حول العالم
الأسواق
التداول
أساسي
متقدم
العقود الآجلة
العقود الآجلة
وصول إلى مئات العقود الدائمة
CFD
الذهب
منصّة واحدة للأصول التقليدية العالمية
الخیارات المتاحة
Hot
تداول خيارات الفانيلا على الطريقة الأوروبية
الحساب الموحد
زيادة كفاءة رأس المال إلى أقصى حد
التداول التجريبي
مقدمة حول تداول العقود الآجلة
استعد لتداول العقود الآجلة
أحداث مستقبلية
"انضم إلى الفعاليات لكسب المكافآت "
التداول التجريبي
استخدم الأموال الافتراضية لتجربة التداول بدون مخاطر
الأسهم الأمريكية
CFD
مشتقات CFD للأسهم الأمريكية
العقود الآجلة
رافع مالية عالية، وتداول على مدار 24/7
الأسهم المُرمَّزة
مدعومة بأصول أسهم حقيقية
GUSD
سك GUSD للحصول على عوائد أصول العالم الحقيقي (RWA) للخزانة
اكسب
إطلاق
CandyDrop
tag
اجمع الحلوى لتحصل على توزيعات مجانية.
منصة الإطلاق
-التخزين السريع، واربح رموزًا مميزة جديدة محتملة!
HODLer Airdrop
احتفظ بـ GT واحصل على توزيعات مجانية ضخمة مجانًا
Pre-IPOs
افتح الوصول الكامل إلى الاكتتابات العامة للأسهم العالمية
نقاط Alpha
تداول الأصول على السلسلة واكسب التوزيعات المجانية
نقاط العقود الآجلة
اكسب نقاط العقود الآجلة وطالب بمكافآت التوزيع المجاني
الاستثمار
سكوير
سكوير
اكتشف القيمة في العملات الرقمية
Live
moments live
تحليل آني لسوق العملات الرقمية
دردشة
الدردشة مع متداولي العملات الرقمية
أخبار
آخر أخبار العملات الرقمية
flower_head
المزيد
عروض ترويجية
AI
أخرى
TradFi
مكافآت
سكوير
الأحدث
رائج
أخبار
نظرة عامة على المركز الشخصي

ذاكرة Δ-Mem: ذاكرة فعالة عبر الإنترنت لنماذج اللغة الكبيرة

MeNews
robot
إنشاء الملخص قيد التقدم
أخبار ME News، في 16 مايو (بتوقيت UTC+8)، اقترح الباحثون نظام ذاكرة فعال عبر الإنترنت يسمى Δ-Mem، مصمم خصيصًا لنماذج اللغة الكبيرة. يقلل هذا النظام بشكل كبير من استهلاك الذاكرة من خلال تخزين وتحديث التغييرات التدريجية في تنشيط النموذج فقط، بدلاً من الحالة الكاملة للتنشيط. أظهرت التجارب أن Δ-Mem يمكن أن يقلل من استخدام الذاكرة بنسبة تصل إلى 70٪، مع الحفاظ على جودة مخرجات النموذج تقريبًا دون خسارة. تساعد هذه الطريقة في نشر وتشغيل نماذج اللغة الكبيرة في بيئات ذات موارد محدودة، وتعزيز إمكانية تطبيقها في سيناريوهات الاستدلال عبر الإنترنت والتعلم المستمر. (المصدر: AiHot)
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
  • أعجبني
  • 10
  • 2
  • مشاركة
تعليق
إضافة تعليق
إضافة تعليق
DeltaSmile
· منذ 4 س
جودة الإخراج بدون فقدان هي الأهم، العديد من حلول الضغط تضحي بالكثير من الدقة.
شاهد النسخة الأصليةرد0
PickingUpAirdropsInTheFog
· منذ 10 س
تحسين القدرة على التعلم المستمر يُقلل من تقديره، وهو مهم جدًا للنماذج الشخصية.
شاهد النسخة الأصليةرد0
InvisibleMarketMaker
· منذ 10 س
انخفاض الذاكرة بنسبة 70٪ فعلاً مدهش، لكن هل ستصبح تكلفة الحساب للتحديثات التدريجية في السيناريوهات عبر الإنترنت عقبة جديدة؟
شاهد النسخة الأصليةرد0
ColdStartUnderTheAurora
· منذ 10 س
أخيرًا هناك من يتعامل بجدية مع مشكلة جدار الذاكرة في نماذج اللغة الكبيرة، أتطلع إلى الأعمال المستقبلية.
شاهد النسخة الأصليةرد0
HotAirBalloonCrossingMountains
· منذ 10 س
يبدو أن الانتباه المتناثر والانتباه غير المتناثر يمكن تراكبهما، لضغط مزدوج.
شاهد النسخة الأصليةرد0
PettyLp
· منذ 10 س
نظام الذاكرة عبر الإنترنت هذا دقيق جدًا في تحديد الموقع، وملأ الفراغ في مرحلة الاستنتاج.
شاهد النسخة الأصليةرد0
CheckTheBlockchainBefore
· منذ 10 س
ما مدى توافق طرق التعديل الدقيق الفعالة من حيث المعلمات مثل الفضول وLoRA.
شاهد النسخة الأصليةرد0
ProtocolPaladin
· منذ 10 س
إذا تم فتح هذا الاتجاه كمصدر مفتوح، يمكن للمجتمع أن يبتكر العديد من الأساليب.
شاهد النسخة الأصليةرد0
PerpPessimist
· منذ 10 س
ما مجموعة التقييم المستخدمة في التجربة؟ هل هي GLUE أم مهام استنتاج أكثر تعقيدًا؟
شاهد النسخة الأصليةرد0
TokenomicsMechanic
· منذ 10 س
70% هل هو الحد الأقصى أم المتوسط؟ هل تختلف الأداءات بشكل كبير بين أحجام النماذج المختلفة؟
شاهد النسخة الأصليةرد0
عرض المزيد

  • مُثبت

خريطة الموقع