gated-delta-networks

gpu ,  cuda ,  pytorch ,  linear-attention ,  gpu-kernel ,  gated-delta-networks ,  flash-attention ,  ml-engineering ,  gated-linear-attention ,  kimi-delta-attention ,  lightning-attention ,  cuda-linear-attention ,  cula

mixture-of-experts ,  alibaba ,  sparse-moe ,  multimodal-agent ,  multi-token-prediction ,  alibaba-cloud ,  qwen3-5 ,  qwen3-5-397b-a17b ,  qwen3-5-plus ,  multimodal-native ,  gated-delta-networks