In-Context Learning of a Linear Transformer Block: Benefits of the MLP Component and One-Step GD Initialization

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Zhang, Ruiqi, Wu, Jingfeng, Bartlett, Peter L.
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!