Le cache N-gram de LongCat-Flash-Lite : pourquoi il augmente le débit d’inférence

Interprétation LongCat-Flash-Lite : Un nouveau chemin d’efficacité pour le MoE clairsemé avec des embeddings N-gram

1. Résumé LongCat-Flash-Lite est un modèle open source de grande taille ciblant des scénarios MoE à haute parcimonie : les paramètres totaux sont de 6...