How does Architecture Influence the Base Capabilities of Pre-trained Language Models? A Case Study Based on FFN-Wider and MoE Transformers

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Lu, Xin, Zhao, Yanyan, Qin, Bing, Huo, Liangyu, Yang, Qing, Xu, Dongliang
Formato:	Preprint
Publicado:	2024
Materias:	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/2403.02436