Новости
FuTransformer: FP8 prefill and INT4 decode for Llama-style inference on Hopper
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- cuda
- inference
- token
- llama
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.