arXiv:2611.08741v1 Announce Type: new Abstract: Most LLM architectures have fixed compute demands determined at training time. We propose a novel architecture that combines the Mixture-of-Experts architecture with shallow experts and a novel dynamic-depth system to make the extent of a forward pass dynamically adjustable. Our approach lets the model automatically determine the compute needed for a given task, paired with a system to scale it down after training without retraining when the execution environment demands faster or cheaper inference. To achieve this, we introduce an iterative computation mechanism, sequence-level depth-based routing steered by a halting mechanism within the experts, a depth encoding that lets the model track its progress in the chain, and a regularization mechanism that incentivizes the model to use allocated compute efficiently. We present initial benchmarks and discuss future research directions.
AlterNet: Адаптивная глубина Mixture-of-Experts с обучаемой остановкой для эластичного инференса
arXiv:2611.08741v1 Тип объявления: новый Абстракт: Большинство архитектур LLM имеют фиксированные вычислительные требования, определенные во время обучения. Мы предлагаем новую архитектуру, которая объединяет архитектуру Mixture-of-Experts с поверхностными экспертами и новой системой динамической глубины, чтобы сделать...
Кратко от AI: Главные тезисы
- arXiv:2611.08741v1 Тип объявления: новый Абстракт: Большинство архитектур LLM имеют фиксированные вычислительные требования, определенные во время обучения
- Мы предлагаем новую архитектуру, которая объединяет архитектуру Mixture-of-Experts с поверхностными экспертами и новой системой динамической глубины, чтобы сделать...
AlterNet: Адаптивная глубина Mixture-of-Experts с обучаемой остановкой для эластичного инференса
Похожие материалы
Ripple-65B Preview: модель для агентного кодинга
🌟 Ripple-65B Preview: модель для агентного кодинга Ricursive Intelligence выпустила в открытое превью модель агентного программирования на 65 млрд параметров, ориентированную на скорость ответов. Компания основана Анной Голди и Азалией Мирхосейни, бывшими исследователи Google…
Платформа FLEX учит роботов понимать скрытые намерения человека
MIT представил платформу FLEX: роботы учатся понимать скрытые намерения человека и обобщать команды на основе языковой модели.
ТОП ИИ-новостей недели
📌 ТОП ИИ-новостей недели 🔊 ElevenLabs Sound Effects v3 — генерирует звуки по описанию: от шагов и взрывов до атмосферного фона. 🎨 OpenAI Images 2.6 — создаёт GIF-анимации, быстрее генерирует изображения и точнее редактирует готовые картинки. 🎬 Gemini Omni 1.2 Flash —…
К самообучению LLM в условиях дефицита данных: Эффективность, Обобщающая способность и Надежность
arXiv:2611.08908v1 Тип объявления: новый Абстракт: Быстрое развитие больших языковых моделей (LLM) во многом было обусловлено увеличением размера модели и человечески отобранными обучающими данными, однако эта парадигма все больше ограничивается дефицитом данных и убывающей отдачей от человеческого…