:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Raposo, David, Ritter, Sam, Richards, Blake, Lillicrap, Timothy, Humphreys, Peter Conway, Santoro, Adam
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	https://arxiv.org/abs/2404.02258
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mixture-of-Recursions: Learning Dynamic Recursive Depths for Adaptive Token-Level Computation
von: Bae, Sangmin, et al.
Veröffentlicht: (2025)

Tracing the Representation Geometry of Language Models from Pretraining to Post-training
von: Li, Melody Zixuan, et al.
Veröffentlicht: (2025)

A path to natural language through tokenisation and transformers
von: Berman, David S., et al.
Veröffentlicht: (2026)

Detecting out-of-distribution text using topological features of transformer-based language models
von: Pollano, Andres, et al.
Veröffentlicht: (2023)

MoDification: Mixture of Depths Made Easy
von: Zhang, Chen, et al.
Veröffentlicht: (2024)

Physical models realizing the transformer architecture of large language models
von: Chen, Zeqian
Veröffentlicht: (2025)

Zero-shot data citation function classification using transformer-based large language models (LLMs)
von: Byers, Neil, et al.
Veröffentlicht: (2025)

Comparison of different Unique hard attention transformer models by the formal languages they can recognize
von: Ryvkin, Leonid
Veröffentlicht: (2025)

Training Agents Inside of Scalable World Models
von: Hafner, Danijar, et al.
Veröffentlicht: (2025)

Alignment faking in large language models
von: Greenblatt, Ryan, et al.
Veröffentlicht: (2024)

How do language models learn facts? Dynamics, curricula and hallucinations
von: Zucchet, Nicolas, et al.
Veröffentlicht: (2025)

Question answering system of bridge design specification based on large language model
von: Zhang, Leye, et al.
Veröffentlicht: (2024)

Depth-Recurrent Attention Mixtures: Giving Latent Reasoning the Attention it Deserves
von: Knupp, Jonas, et al.
Veröffentlicht: (2026)

Auditing language models for hidden objectives
von: Marks, Samuel, et al.
Veröffentlicht: (2025)

Aligning language models with human preferences
von: Korbak, Tomasz
Veröffentlicht: (2024)

Evaluating language models as risk scores
von: Cruz, André F., et al.
Veröffentlicht: (2024)

Exploring prompts to elicit memorization in masked language model-based named entity recognition
von: Xia, Yuxi, et al.
Veröffentlicht: (2024)

Attention based Bidirectional GRU hybrid model for inappropriate content detection in Urdu language
von: Shoukat, Ezzah, et al.
Veröffentlicht: (2025)

Mixture of Universal Experts: Scaling Virtual Width via Depth-Width Transformation
von: Chen, Yilong, et al.
Veröffentlicht: (2026)

Dynamic layer selection in decoder-only transformers
von: Glavas, Theodore, et al.
Veröffentlicht: (2024)

Mastering Diverse Domains through World Models
von: Hafner, Danijar, et al.
Veröffentlicht: (2023)

A comparison of pipelines for the translation of a low resource language based on transformers
von: Bonfanti, Chiara, et al.
Veröffentlicht: (2025)

The language of time: a language model perspective on time-series foundation models
von: Xie, Yi, et al.
Veröffentlicht: (2025)

Amortizing intractable inference in large language models
von: Hu, Edward J., et al.
Veröffentlicht: (2023)

Continuous-Depth Transformers with Learned Control Dynamics
von: Jemley, Peter
Veröffentlicht: (2026)

A meta-analysis on the performance of machine-learning based language models for sentiment analysis
von: Rohde, Elena, et al.
Veröffentlicht: (2025)

Perturbed examples reveal invariances shared by language models
von: Rawal, Ruchit, et al.
Veröffentlicht: (2023)

A mean teacher algorithm for unlearning of language models
von: Klochkov, Yegor
Veröffentlicht: (2025)

Do language models plan ahead for future tokens?
von: Wu, Wilson, et al.
Veröffentlicht: (2024)

Visualizing token importance for black-box language models
von: Rauba, Paulius, et al.
Veröffentlicht: (2025)

Representation in large language models
von: Yetman, Cameron
Veröffentlicht: (2025)

Investigating and Alleviating Harm Amplification in LLM Interactions
von: Guo, Ruohao, et al.
Veröffentlicht: (2026)

Meta-Tuning LLMs to Leverage Lexical Knowledge for Generalizable Language Style Understanding
von: Guo, Ruohao, et al.
Veröffentlicht: (2023)

Prompt reinforcing for long-term planning of large language models
von: Lin, Hsien-Chin, et al.
Veröffentlicht: (2025)

Machine-generated text detection prevents language model collapse
von: Drayson, George, et al.
Veröffentlicht: (2025)

Fresh in memory: Training-order recency is linearly encoded in language model activations
von: Krasheninnikov, Dmitrii, et al.
Veröffentlicht: (2025)

Language Models can Self-Improve at State-Value Estimation for Better Search
von: Mendes, Ethan, et al.
Veröffentlicht: (2025)

No Need to Talk: Asynchronous Mixture of Language Models
von: Filippova, Anastasiia, et al.
Veröffentlicht: (2024)

Lightweight reranking for language model generations
von: Jain, Siddhartha, et al.
Veröffentlicht: (2023)

Boosting classification reliability of NLP transformer models in the long run
von: Kmetty, Zoltán, et al.
Veröffentlicht: (2023)