Buchumschlag

Rewiring the Transformer with Depth-Wise LSTMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Hongfei, Song, Yang, Liu, Qiuhui, van Genabith, Josef, Xiong, Deyi
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Why Does Reinforcement Learning Generalize? A Feature-Level Mechanistic Study of Post-Training in Large Language Models
von: Shi, Dan, et al.
Veröffentlicht: (2026)

Disentangling Mathematical Reasoning in LLMs: A Methodological Investigation of Internal Mechanisms
von: Baeumel, Tanja, et al.
Veröffentlicht: (2026)

Probing Context Localization of Polysemous Words in Pre-trained Language Model Sub-Layers
von: Vijayakumar, Soniya, et al.
Veröffentlicht: (2024)

The Lookahead Limitation: Why Multi-Operand Addition is Hard for LLMs
von: Baeumel, Tanja, et al.
Veröffentlicht: (2025)

Sign Language Translation with Sentence Embedding Supervision
von: Hamidullah, Yasser, et al.
Veröffentlicht: (2025)

Spatio-temporal Sign Language Representation and Translation
von: Hamidullah, Yasser, et al.
Veröffentlicht: (2025)

On Multilingual Encoder Language Model Compression for Low-Resource Languages
von: Gurgurov, Daniil, et al.
Veröffentlicht: (2025)

When Scale Meets Diversity: Evaluating Language Models on Fine-Grained Multilingual Claim Verification
von: Shcharbakova, Hanna, et al.
Veröffentlicht: (2025)

Small Models, Big Impact: Efficient Corpus and Graph-Based Adaptation of Small Multilingual Language Models for Low-Resource Languages
von: Gurgurov, Daniil, et al.
Veröffentlicht: (2025)

Sparse Subnetwork Enhancement for Underrepresented Languages in Large Language Models
von: Gurgurov, Daniil, et al.
Veröffentlicht: (2025)

When Flores Bloomz Wrong: Cross-Direction Contamination in Machine Translation Evaluation
von: Tan, David, et al.
Veröffentlicht: (2026)

Seeing, Signing, and Saying: A Vision-Language Model-Assisted Pipeline for Sign Language Data Acquisition and Curation from Social Media
von: Yazdani, Shakib, et al.
Veröffentlicht: (2025)

Measuring Spurious Correlation in Classification: 'Clever Hans' in Translationese
von: Borah, Angana, et al.
Veröffentlicht: (2023)

The Latin Substrate: How Language Models Represent and Mediate Script Choice
von: Gurgurov, Daniil, et al.
Veröffentlicht: (2026)

When your Cousin has the Right Connections: Unsupervised Bilingual Lexicon Induction for Related Data-Imbalanced Languages
von: Bafna, Niyati, et al.
Veröffentlicht: (2023)

A Critical Study of Automatic Evaluation in Sign Language Translation
von: Yazdani, Shakib, et al.
Veröffentlicht: (2025)

SONAR-SLT: Multilingual Sign Language Translation via Language-Agnostic Sentence Embedding Supervision
von: Hamidullah, Yasser, et al.
Veröffentlicht: (2025)

Multilingual Political Views of Large Language Models: Identification and Steering
von: Gurgurov, Daniil, et al.
Veröffentlicht: (2025)

PETra: A Multilingual Corpus of Pragmatic Explicitation in Translation
von: Osmelak, Doreen, et al.
Veröffentlicht: (2025)

AdaPonderLM: Gated Pondering Language Models with Token-Wise Adaptive Depth
von: Song, Shixiang, et al.
Veröffentlicht: (2026)

CRiskEval: A Chinese Multi-Level Risk Evaluation Benchmark Dataset for Large Language Models
von: Shi, Ling, et al.
Veröffentlicht: (2024)

Modular Arithmetic: Language Models Solve Math Digit by Digit
von: Baeumel, Tanja, et al.
Veröffentlicht: (2025)

ReasonXL: Shifting LLM Reasoning Language Without Sacrificing Performance
von: Gurgurov, Daniil, et al.
Veröffentlicht: (2026)

Language Arithmetics: Towards Systematic Language Neuron Identification and Manipulation
von: Gurgurov, Daniil, et al.
Veröffentlicht: (2025)

Multilingual Steering by Design: Multilingual Sparse Autoencoders and Principled Layer Selection
von: Ghussin, Yusser Al, et al.
Veröffentlicht: (2026)

Automatic Fact-checking in English and Telugu
von: Chikkala, Ravi Kiran, et al.
Veröffentlicht: (2025)

DFKI-MLT at SemEval-2026 TASK 7: Steering Multilingual Models Towards Cultural Knowledge
von: Ghussin, Yusser Al, et al.
Veröffentlicht: (2026)

An Empirical Study on the Robustness of Massively Multilingual Neural Machine Translation
von: Supryadi, et al.
Veröffentlicht: (2024)

LFED: A Literary Fiction Evaluation Dataset for Large Language Models
von: Yu, Linhao, et al.
Veröffentlicht: (2024)

StockBot 2.0: Vanilla LSTMs Outperform Transformer-based Forecasting for Stock Prices
von: Mohanty, Shaswat
Veröffentlicht: (2026)

Towards Understanding Multi-Task Learning (Generalization) of LLMs via Detecting and Exploring Task-Specific Neurons
von: Leng, Yongqi, et al.
Veröffentlicht: (2024)

A Local Perturbation Theory for Cross-Domain Interference and Recovery in Multi-Domain RL
von: Yang, Lei, et al.
Veröffentlicht: (2026)

AutoPsyC: Automatic Recognition of Psychodynamic Conflicts from Semi-structured Interviews with Large Language Models
von: Hossain, Sayed Muddashir, et al.
Veröffentlicht: (2025)

Self-Pluralising Culture Alignment for Large Language Models
von: Xu, Shaoyang, et al.
Veröffentlicht: (2024)

DCIS: Efficient Length Extrapolation of LLMs via Divide-and-Conquer Scaling Factor Search
von: Yang, Lei, et al.
Veröffentlicht: (2024)

LLMCheckup: Conversational Examination of Large Language Models via Interpretability Tools and Self-Explanations
von: Wang, Qianli, et al.
Veröffentlicht: (2024)

Aligning LLM Uncertainty with Human Disagreement in Subjectivity Analysis
von: Lu, Junyu, et al.
Veröffentlicht: (2026)

Evaluating Discourse Cohesion in Pre-trained Language Models
von: He, Jie, et al.
Veröffentlicht: (2025)

Reverse Probing: Evaluating Knowledge Transfer via Finetuned Task Embeddings for Coreference Resolution
von: Anikina, Tatiana, et al.
Veröffentlicht: (2025)

LHMKE: A Large-scale Holistic Multi-subject Knowledge Evaluation Benchmark for Chinese Large Language Models
von: Liu, Chuang, et al.
Veröffentlicht: (2024)