Eureka-Moments in Transformers: Multi-Step Tasks Reveal Softmax Induced Optimization Problems

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Hoffmann, David T., Schrodi, Simon, Bratulić, Jelena, Behrmann, Nadine, Fischer, Volker, Brox, Thomas
Formato:	Preprint
Publicado:	2023
Materias:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2310.12956