Initialization is Critical to Whether Transformers Fit Composite Functions by Reasoning or Memorizing

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhang, Zhongwang, Lin, Pengxiao, Wang, Zhiwei, Zhang, Yaoyu, Xu, Zhi-Qin John
Formato:	Preprint
Publicado:	2024
Materias:	Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2405.05409