Long-Context LLM Extension

Как внимание стало настолько эффективным [GQA/MLA/DSA]

Llama 4 Explained: Architecture, Long Context, and Native Multimodality

Reinventing Industrial Operations: Digital Twins, Agentic Intelligence, and What 2025 Clarified

Как написать хорошую исследовательскую работу.

Speculations on Test-Time Scaling (o1)

Session 1 | Diffusion Language Models beat AR in data constrained regime

Do we need Attention? A Mamba Primer

What is a Context Window? Unlocking LLM Secrets

RoPE Rotary Position Embedding to 100K context length

Нужно ли нам внимание? — Линейные рекуррентные нейронные сети и модели пространства состояний (SS...

Большие языковые модели в пяти формулах

Краткое объяснение больших языковых моделей

Размышления в дикой природе — Вэньтин Чжао

Управление поведением LLM без тонкой настройки

AI World Models (Keyon Vafa)

Query, Key and Value Matrix for Attention Mechanisms in Large Language Models

Самая сложная модель из тех, что мы реально понимаем

Rotary Positional Embeddings Explained | Transformer

Simple Diffusion Language Models

Rotary Position Embedding explained deeply (w/ code)