Noticias sobre GDN

La evolución de los modelos de lenguaje de gran tamaño hacia secuencias de texto largo de nivel millonario está obligando a una transformación de la arquitectura subyacente. El lanzamiento por parte del equipo de Qwen de la biblioteca de operadores FlashQLA para optimizar la atención lineal significa que la competencia en la industria se está extendiendo desde la escala de los parámetros del modelo hasta la optimización de ingeniería extrema de los operadores subyacentes para textos largos.