DeepSeek V4的tid2eid是怎么来的？
科学空间3057 字 (约 13 分钟)
75
文章探讨了DeepSeek V4模型中tid2eid映射表的生成机制。
入选理由：DeepSeek V4采用hash routing替代first_k_dense策略
精选文章#深度学习#模型架构#MoE中文
模型
Kimi K2
别名：kimi-k2
由Kimi开发的模型，采用first_k_dense策略。
已跟踪 2 条高相关材料
TraeAI 观察
最近变化
2026-05-15 · DeepSeek V4采用hash routing替代first_k_dense策略
为什么值得关注
Kimi K2 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Kimi K2LLM训练优化MoEMuonNVIDIA Megatron Core
如果只读 3 篇
1
DeepSeek V4的tid2eid是怎么来的？
科学空间 · 7.5 分
文章探讨了DeepSeek V4模型中tid2eid映射表的生成机制，分析了从MoE到Hash Routing的策略转变及其对负载均衡的影响。
2
Training Kimi K2 and Qwen3 30B-scale models efficiently requires more than standard data-parallel tr...
NVIDIA AI(@NVIDIAAI) · 7.2 分
NVIDIA Megatron Core新增对Muon、MOP、REKLS等高阶优化器的端到端支持，突破传统数据并行限制，显著提升Kimi K2与Qwen3等300亿参数模型在GB300/NVL72系统上的训练效率。
相关材料
已收录 2 条与 Kimi K2 相关的内容，按评分排序。
Training Kimi K2 and Qwen3 30B-scale models efficiently requires more than standard data-parallel tricks.
NVIDIA AI(@NVIDIAAI)328 字 (约 2 分钟)
72
NVIDIA Megatron Core新增对Muon、MOP、REKLS等高阶优化器的端到端支持，突破传统数据并行限制，显著提升Kimi K2与Qwen3等300亿参数模型在GB300/NVL72系统上的训练效率。
入选理由：传统数据并行已不足以高效训练30B+大模型，需引入高阶优化器。
精选推文#NVIDIA Megatron Core#Muon#Qwen3#Kimi K2#LLM训练优化英文