𓌳 REAP𓌳 Эксперты: почему обрезка преобладает при однократном сжатии MoE Представляем Step-3.5-Flash-REAP-149B-A11B, сжатый вариант Step-3.5-Flash с эффективным использованием памяти, который сохраняет почти идентичную производительность, будучи на 25 % легче. Эта модель была создана с использованием REAP (Router-weighted Expert Activation Pruning), нового метода сокращения экспертов, который выборочно удаляет избыточных экспертов, сохраняя при этом независимый контроль маршрутизатора над оставшимися экспертами. Ключевые особенности: — Производительность почти без потерь: обеспечивает почти такую же точность при генерации кода, агентном кодировании и вызове функций по сравнению с полной моделью 196B. — Сокращение памяти на 25 %: параметры сжаты с 196B до 149B, что значительно снижает затраты на развертывание и требования к памяти. — Сохраненные возможности: сохраняются все основные функции, включая генерацию кода, математические рассуждения и вызов инструментов. — Совместимость с прямым подключением: работает с ванильным vLLM — не требуется никаких модификаций исходного кода или пользовательских патчей. — Оптимизирован для реального использования: особенно эффективен для сред с ограниченными ресурсами, локальных развертываний и научных исследований. Эталонный тест Step-3.5-Flash Step-3.5-Flash-REAP-149B-A11B…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: cerebras
Теги: step3p5, stepfun, MOE, pruning, compression, conversational, custom_code, en
Лайков: 5 | Загрузок: 18
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
