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

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hoffmann, David T., Schrodi, Simon, Bratulić, Jelena, Behrmann, Nadine, Fischer, Volker, Brox, Thomas
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2310.12956