Compression at the Edge — Chris Alexiuk, NVIDIA
En paneldiskussion om hur man kan krympa stora AI-modeller utan att de blir dummare.
Huvudinsikten är att modellernas lager är väldigt olika viktiga — de första och sista är kritiska medan många mittlager nästan inte spelar någon roll. GLM 5.2 kunde minskas från 1,5 terabyte till 250 GB (86 procent mindre) utan motsvarande försämring. NVIDIA förespråkar NVFP4, ett kompakt format för tal som delar precisionsinfo mellan grupper om 16 värden. Panelen betonar att riktiga testningar i faktiska användarfall är viktigare än abstrakta mätningar.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
Inside Arca's Long-Horizon Agents That Run the Business - Aman Singh, Arca
AI Engineer 23 okt.
Real AI Agent Attacks and What Would Have Stopped Them — Andrey Rybka, Bloomberg
AI Engineer 23 okt.
Outside of tech there has been no financial payoff to US companies for using AI, now viewed as a margin-hurting cost center, as VC-backed firms burn more tokens
Techmeme för 3 tim sedan
Source: Replit recently moved most AI spend from Anthropic to OpenAI, which gave 30%+ off in a deal worth $100M+/year, after Anthropic discontinued its discount
Techmeme för 5 tim sedan