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

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Lu, Xin, Zhao, Yanyan, Qin, Bing, Huo, Liangyu, Yang, Qing, Xu, Dongliang
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!