后训练章节追问
MoE 的专家会真正"专业化"吗？
原题为什么 DeepSeek-V3 要用共享专家？
原题Auxiliary-Loss-Free 为什么比辅助损失更好？
原题推理时 Expert Parallelism 和训练时有什么区别？
原题YaRN 和 PI 的本质区别是什么？
原题为什么长上下文训练必须混合短文档数据？
原题Needle-in-a-Haystack 评测里，为什么模型在文档中间表现最差？
原题Ring Attention 和普通张量并行有什么区别？
原题为什么说 MoE 是"参数变大了，但计算不一定变大"？
原题多模态模型的 hallucination 为什么比纯文本更棘手？
原题
暂无题目