Upplýsingatækniteymið Haiguang lauk með góðum árangri aðlögun DeepSeek V3 og R1 gerða að Haiguang DCU

185
Upplýsingatækniteymið Haiguang lauk nýlega með góðum árangri við aðlögun DeepSeek V3 og R1 gerða að Haiguang DCU (Depth Computing Unit) og hefur opinberlega hleypt þeim af stokkunum. Nú geta notendur fengið aðgang að og hlaðið niður viðeigandi líkönum í gegnum „Ljósgjafa“ hlutann í „Photosynthesis Developer Community“ og síðan dreift og notað þessar gerðir fljótt á grundvelli DCU vettvangsins. DeepSeek V3 og R1 módelin nota fjölda nýstárlegra tækni, eins og Multi-Head Latent Attention (MLA), DeepSeekMoE, multi-token spá, FP8 blönduð nákvæmniþjálfun o.s.frv., sem bætir verulega þjálfunarskilvirkni og ályktunarafköst líkansins.