le document mHC est vraiment intéressant et je fais quelques tests maintenant, mais il semble clair d'après les tests initiaux que cela résout un problème que presque personne d'autre n'a (à moins que vous ne formiez des modèles de pointe, très grands, très profonds avec beaucoup de RL). du moins c'est ma première impression

prendre une bibliothèque DeepSeek à la fois, les rendant 20%-30% plus rapides, les optimisant pour les B200 et CuTeDSL