DeepSeek udgav forskningspapir om Manifold-Constrained Hyper-Connections (mHC), en ny metode der løser kritiske stabilitetsproblemer i Transformer-arkitekturen. Teknologien viste 7,2% bedre præstation på kompleks ræsonnering og 6,9% på læseforståelse med kun 6,7% ekstra træningstid. CEO Liang Wenfeng uploadede personligt papiret til arXiv, hvilket historisk har signaleret kommende større model-udgivelser - en ny flagship-model forventes omkring kinesisk nytår i februar.
Nyhed
DeepSeek introducerer ny effektiv AI-træningsmetode (mHC)
DeepSeek udgiver forskningspapir om Manifold-Constrained Hyper-Connections der løser kritiske stabilitetsproblemer.