Improving Transformers with Dynamically Composable Multi-Head Attention

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Xiao, Da, Meng, Qingye, Li, Shengping, Yuan, Xingyuan
Formato:	Preprint
Publicado:	2024
Materias:	Machine Learning 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/2405.08553