A
Ashish Vaswani
Исследователь в области машинного обучения
Один из авторов оригинальной статьи "Attention Is All You Need", заложившей основы архитектуры трансформеров.
ИИ и нейросетиКак работает KV cache в трансформерах: второй токен и переиспользование кэша
Понимание работы KV cache для второго токена во втором слое трансформеров. Почему возможно переиспользование кэша при изменении векторов полносвязными слоями и влияние маскирования.
4 ответа• 1 просмотр