Gated Linear Attention Transformers with Hardware-Efficient Training

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Yang, Songlin, Wang, Bailin, Shen, Yikang, Panda, Rameswar, Kim, Yoon
Formato:	Preprint
Publicado:	2023
Materias:	Machine Learning Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2312.06635