Dual Process Learning: Controlling Use of In-Context vs. In-Weights Strategies with Weight Forgetting

Ähnliche Einträge

• Circuit Component Reuse Across Tasks in Transformer Language Models
  von: Merullo, Jack, et al.
  Veröffentlicht: (2023)
• Language Models Implement Simple Word2Vec-style Vector Arithmetic
  von: Merullo, Jack, et al.
  Veröffentlicht: (2023)
• Transferring Linear Features Across Language Models With Model Stitching
  von: Chen, Alan, et al.
  Veröffentlicht: (2025)
• Talking Heads: Understanding Inter-layer Communication in Transformer Language Models
  von: Merullo, Jack, et al.
  Veröffentlicht: (2024)
• $100K or 100 Days: Trade-offs when Pre-Training with Academic Resources
  von: Khandelwal, Apoorv, et al.
  Veröffentlicht: (2024)