PyTorch で Family K3 を最初から実装する

Kim K3 は、100 万トークンのコンテキスト ウィンドウを備えた 2.8 兆パラメータのオープンウェイト モデルであり、このビデオでは、その背後にあるすべてのコア アーキテクチャのアイデアを @PyTorch でゼロから実装しています。ペーパーリンク: https://arxiv.org/abs/2607.24653 ブログ: https://www.kimi.ai/blog/kimi-k3 コードリポジトリ: https://github.com/prasoonmhwr/fromScratch/blob/main/KimiK3/kimiK3.py このようなコンテンツをさらにご覧になりたい場合は、私のチャンネルを購読してください: (https://www.youtube.com/@prasoonmahawarYT) X (Twitter): https://www.x.com/prasoonmahawar Instagram: (https://www.instagram.com/prasoonmahawar) 👇 あなたの考えをコメントしてください ╔═╦╗╔╦╗╔═╦═╦╦╦╦╗╔═╗ ║╚╣║║║╚╣╚╣╔╣╔╣║╚╣═╣ ╠╗║╚╝║║╠╗║╚╣║║║║║═╣ ╚═╩══╩═╩═╩═╩╝╚╩═╩═╝ #ai #airesearch #python #pytorch #moonshotai #kimik3 #llm #llms 00:00 — イントロとフック 00:05 — アーキテクチャの概要 05:12 — 11 の新規貢献: 私たちのロードマップ 07:03 — キミ デルタ アテンション 13:03 — ゲート MLA + NoPE 16:21 — アテンション残差 (フル + ブロック) 20:10 — 安定した LatentMoE の概要 22:27 — SiTU-GLU 24:44 — 分位値バランシング 26:58 — ヘッドごとのミュオン 29:14 — モデル構成36:31 — ビルディング ブロック: RMSNorm、ShortConv、SiTU-GLU 49:48 — Quantile Balancing 実装 1:01:32 — 安定した LatentMoE 実装 1:16:36 — KDA: リカレント フォワード + チャンクワイズ フォワード 1:39:04 — ゲート MLA 実装 1:40:49 — ブロック アテンション残差実装 1:42:20 — Per-Head Muon オプティマイザー 1:43:59 — 完全な KimK3Block + KimK3 モデル 1:45:31 — 11 件の貢献すべての要約 1:47:14 — 結論