Etiqueta
3 noticias relacionadas con esta etiqueta.
NVIDIA lanzó Gated DeltaNet-2, una arquitectura de atención lineal que mejora la gestión de memoria en modelos de lenguaje al separar el control de borrado y escritura de datos. Con 1.3B parámetros, supera a Mamba-2 y Mamba-3 en tareas de razonamiento y recuperación de contexto extendido.
Fuente: MarkTechPost
OpenMythos permite construir transformers de profundidad recurrente avanzados con arquitecturas MLA y GQA, incluyendo Sparse MoE y razonamiento escalado. El tutorial implementa estos modelos en Google Colab y valida la estabilidad mediante análisis espectral.
Fuente: MarkTechPost
PaddleOCR lanza su versión 3.5 integrando una arquitectura Transformers para mejorar el reconocimiento óptico de caracteres y análisis de documentos. La actualización potencia la precisión y velocidad en tareas de extracción de texto en imágenes y PDFs.
Fuente: Hugging Face Blog