Video wird geladen...
Video konnte nicht geladen werden
I’ve been researching depth-residual routing & delta memory- Kimi K3 proved this holds at 2.8T params. But only for models trained this way I then asked: can you retrofit this onto existing LLM/world models? Introducing Retro-DARC: a Delta Attention Residual Compute adapter that retrofits depth-selective memory onto existing models... show more
11,344 Aufrufe • vor 1 Monat •via X (Twitter)
0 Kommentare
Keine Kommentare verfügbar
Kommentare vom Original-Post werden hier angezeigt
