Compre cripto
Pagar com
USD
USD
Compra e venda
Hot
Visa, Mastercard, SEPA e mais
P2P
0 Fees
Negociação flexível e sem taxas
Cartão da Gate
Pague com criptomoedas no mundo todo
Mercados
Negociar
Básico
Avançado
Futuros
Futuros
Acesse centenas de contratos perpétuos
CFD
Ouro
Plataforma única para ativos tradicionais globais
Opções
Hot
Negocie opções vanilla no estilo europeu
Conta unificada
Maximize sua eficiência de capital
Negociação demo
Introdução à negociação de futuros
Prepare-se para sua negociação de futuros
Eventos de futuros
Participe de eventos e ganhe recompensas
Negociação demo
Use fundos virtuais para experimentar negociações sem riscos
Stocks
CFD
Derivativos de CFD de ações dos EUA
Futuros
Alta alavancagem, negociação 24/7
Ações tokenizadas
Respaldado por ativos de ações reais
GUSD
Cunhe GUSD para rendimentos de RWA do Tesouro
Earn
Lançamento
CandyDrop
tag
Colete candies para ganhar airdrops
Launchpool
Staking rápido, ganhe novos tokens em potencial
HODLer Airdrop
Possua GT em hold e ganhe airdrops massivos de graça
Pre-IPOs
Desbloqueie o acesso completo a IPO de ações globais
Pontos Alpha
Negocie on-chain e receba airdrops
Pontos de futuros
Ganhe pontos de futuros e colete recompensas em airdrop
Investimento
Square
Praça
Descubra o valor em criptografia
Live
moments live
Análise de mercado de criptomoedas ao vivo
Bate-papo
Converse com os traders de criptomoedas
Notícias
Novidades sobre criptomoedas
flower_head
Mais
Promoções
AI
Outros
TradFi
Recompensas
Square
Mais recentes
Em alta
Notícias
Perfil

Meta lança método de aceleração BLT, reduzindo a largura de banda da memória em até 92%

MeNews
AIMPACT mensagem, 12 de maio (UTC+8), equipes de pesquisa do Meta, Universidade de Stanford e Universidade de Washington recentemente lançaram três novos métodos que aceleram significativamente a velocidade de inferência do Byte Latent Transformer (BLT). BLT é um modelo de linguagem que opera diretamente em bytes brutos, agrupando bytes dinamicamente em patches de comprimento variável usando uma estratégia de divisão baseada em entropia, correspondendo ao desempenho de modelos baseados em tokenização. Como a decodificação autoregressiva byte a byte exige múltiplas passagens para frente, a largura de banda de memória se torna o principal gargalo. Os três métodos de aceleração são os seguintes: BLT-D usa difusão discreta em blocos, treinando com previsão do próximo byte e perda de previsão de bytes mascarados, gerando múltiplos bytes por passagem, com tamanho de bloco 4, a largura de banda de memória é menor que metade do BLT, e com tamanho de bloco 16, reduz de 87-92%; BLT-S utiliza um decodificador local leve como um rascunho especulativo, sem necessidade de treinamento adicional, produzindo resultados idênticos ao BLT padrão sob decodificação gananciosa, podendo reduzir 77% da largura de banda de memória; BLT-DV combina rascunho difuso com validação autoregressiva, usando os mesmos pesos do modelo bidirecionalmente, reduzindo a largura de banda de memória em 81%. Todos os métodos trazem maior benefício em tarefas de tradução, enquanto tarefas de codificação são mais sensíveis ao tamanho do bloco. Nos testes de benchmark baseados em probabilidade, como ARC-Easy, ARC-Challenge, PIQA, HellaSwag, MMLU, o pontuação do BLT-D se aproxima do baseline do BLT, mantendo a robustez na capacidade de inferência.
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
  • Recompensa
  • Comentário
  • Repostar
  • Compartilhar
Comentário
Adicionar um comentário
Adicionar um comentário
Sem comentários

  • Fixado

sitemap