Training Dynamics of Multi-Head Softmax Attention for In-Context Learning: Emergence, Convergence, and Optimality

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Chen, Siyu, Sheen, Heejune, Wang, Tianhao, Yang, Zhuoran
Formato: Preprint
Publicado: 2024
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares