进行中
LLM 直接编写权重:关联记忆模型快 17 倍
- 报道
- 1
- 信源
- 1
- 首次报道
- 11/18 08:00
- 最近更新
- 11/18 08:00
论文作者提出“权重空间编程”:让三个前沿 LLM 在无梯度训练条件下直接生成或设计神经网络权重。自由设计时,三个模型都把纯文本事实编译成稀疏表,测试准确率最高 54.4%。 作者称,LLM 设计的模型准确率超过同一 LLM 写出的最优 Transformer,参数量少约 1,800 倍;据此提出的关联记忆模型在 GPU 上比同尺寸 Transformer 快至多 17 倍。上述准确率与加速数据均为论文报告结果。
热度48 小时内每个独立信源只算一次,24 小时减半
- 48 小时参与信源
- 1
- 6 小时新加入
- 0
- 24 小时新报道
- 1
- 热点排名
- —
热度曲线会在事件持续一段时间后出现。
事件进展1 个阶段
Hugging Face 每日论文 等 1 篇报道
全部报道1 篇
无需 Transformer:LLM 权重空间编程可设计稀疏表模型
研究让三个前沿 LLM 在无梯度训练条件下直接生成或设计神经网络权重,自由设计时三者均将纯文本事实编译为稀疏表,测试准确率最高达 54.4%。LLM 设计的模型准确率超过同一 LLM 写出的最优 Transformer,参数量少约 1,800 倍;据此提出的关联记忆模型在 GPU 上比同尺寸 Transformer 快至多 17 倍。
Hugging Face 每日论文
相关
#推理能力#数据与训练#论文研究
