読みごたえがあるなぁ part3w
DeepSeek v4.1 Flashの最適化を解説。1M context対応、FP4 KVやCED、SWA Replayまで体系化する記事。
“たとえば多様体の概念を使う理由は、「この多様体に射映されている限り、固有値の絶対値が1を超えないということが数学的に保証され”
“だからV4”
すごいな、どんどん人間の脳に近づいている。しかし業務用コードは1関数が10万行あったりするんだよね、全部読んでくれないかな＞100万トークンあれば、たいていのプログラムは丸呑みできてしまう
【徹底解説】DeepSeek v4.1 Flashの内部構造【最適化したから解ること】｜shi3z
読みごたえがあるなぁ part3w
DeepSeek v4.1 Flashの最適化を解説。1M context対応、FP4 KVやCED、SWA Replayまで体系化する記事。
“たとえば多様体の概念を使う理由は、「この多様体に射映されている限り、固有値の絶対値が1を超えないということが数学的に保証され”
“だからV4”
すごいな、どんどん人間の脳に近づいている。しかし業務用コードは1関数が10万行あったりするんだよね、全部読んでくれないかな＞100万トークンあれば、たいていのプログラムは丸呑みできてしまう