Episode Details
Back to EpisodesWarum KI-Modelle Schichten wiederverwenden lernen
Published 2 months, 2 weeks ago
Description
Heute geht es um SMELT, eine Architekturidee für geloopte MoE-Transformer. Der Kern: Modelle könnten Rechenbudget besser nutzen, wenn bestimmte Schichten unter fairer Kostenrechnung wiederverwendet werden. Dazu ordnet Lissy ein, warum schnelle Spezialmodelle, offene Agenten-Tools und menschliche Review-Schritte zusammengehören.