ByteDance Seed: con la compresión por bloques de la caché KV, modelos abiertos como DeepSeek-V4 varían hasta 40 puntos porcentuales en la recuperación de contexto largo según la «fase», un desplazamiento de la entrada de unos pocos tokens
traducido por IA, revisado por la redacción
· Desarrollo de software · Ciencia
- tecnología
- Pesos abiertos
- fuente
- arxiv.org ↗
¶ ch6kngnju