Buchumschlag

Arbitrary-Length Generalization for Addition in a Tiny Transformer

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Patriota, Alexandre Galvao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Equitable Length of Stay Prediction for Patients with Learning Disabilities and Multiple Long-term Conditions Using Machine Learning
von: Abakasanga, Emeka, et al.
Veröffentlicht: (2024)

In-Context Learning Enhanced Credibility Transformer
von: Padayachy, Kishan, et al.
Veröffentlicht: (2025)

Variational phylogenetic inference with products over bipartitions
von: Sidrow, Evan, et al.
Veröffentlicht: (2025)

Transportation Marketplace Rate Forecast Using Signature Transform
von: Gu, Haotian, et al.
Veröffentlicht: (2024)

DETNO: A Diffusion-Enhanced Transformer Neural Operator for Long-Term Traffic Forecasting
von: Ahmad, Owais, et al.
Veröffentlicht: (2025)

Adaptive Bayesian Very Short-Term Wind Power Forecasting Based on the Generalised Logit Transformation
von: Shen, Tao, et al.
Veröffentlicht: (2025)

A novel forecasting framework combining virtual samples and enhanced Transformer models for tourism demand forecasting
von: Diao, Tingting, et al.
Veröffentlicht: (2025)

A Novel Hybrid Approach Using an Attention-Based Transformer + GRU Model for Predicting Cryptocurrency Prices
von: Mahdi, Esam, et al.
Veröffentlicht: (2025)

Integrating Marketing Channels into Quantile Transformation and Bayesian Optimization of Ensemble Kernels for Sales Prediction with Gaussian Process Models
von: Mirshekari, Shahin, et al.
Veröffentlicht: (2024)

Efficacy of Temporal Fusion Transformers for Runoff Simulation
von: Koya, Sinan Rasiya, et al.
Veröffentlicht: (2025)

Implicit Generative Prior for Bayesian Neural Networks
von: Liu, Yijia, et al.
Veröffentlicht: (2024)

Modeling Headway in Heterogeneous and Mixed Traffic Flow: A Statistical Distribution Based on a General Exponential Function
von: Leungbootnak, Natchaphon, et al.
Veröffentlicht: (2025)

Depth-Based Local Center Clustering: A Framework for Handling Different Clustering Scenarios
von: Wang, Siyi, et al.
Veröffentlicht: (2025)

Forecasting Medium-Horizon Alzheimer's Disease Progression: Residual Gap-Aware Transformers for 24-Month CDR-SB Change from ADNI Clinical and Biomarker Histories
von: Tong, Ran, et al.
Veröffentlicht: (2026)

NNN: Next-Generation Neural Networks for Marketing Measurement
von: Mulc, Thomas, et al.
Veröffentlicht: (2025)

Steer-to-Detect: Probing Hidden Representations for Detection of LLM-Generated Texts
von: Liang, Luxu, et al.
Veröffentlicht: (2026)

Robust Generalization with Adaptive Optimal Transport Priors for Decision-Focused Learning
von: Sun, Haixiang, et al.
Veröffentlicht: (2026)

Spatial Heterogeneity in Climate Risk and Human Flourishing: An Exploration with Generative AI
von: Iacus, Stefano Maria, et al.
Veröffentlicht: (2026)

Comparison of Maximum Likelihood Classification Before and After Applying Weierstrass Transform
von: Shoaib, Muhammad, et al.
Veröffentlicht: (2026)

Structural Evaluation Metrics for SVG Generation via Leave-One-Out Analysis
von: Zhu, Haonan, et al.
Veröffentlicht: (2026)

Flow Battery Manifold Design with Heterogeneous Inputs Through Generative Adversarial Neural Networks
von: Seng, Eric, et al.
Veröffentlicht: (2025)

AutoML Algorithms for Online Generalized Additive Model Selection: Application to Electricity Demand Forecasting
von: Das, Keshav, et al.
Veröffentlicht: (2025)

Optimizing the Landscape of LLM Embeddings with Dynamic Exploratory Graph Analysis for Generative Psychometrics: A Monte Carlo Study
von: Golino, Hudson
Veröffentlicht: (2026)

TransformerLSR: Attentive Joint Model of Longitudinal Data, Survival, and Recurrent Events with Concurrent Latent Structure
von: Zhang, Zhiyue, et al.
Veröffentlicht: (2024)

MCMC with Adaptive Principal-Component Transformation: Rotation-Invariant Universal Samplers for Bayesian Structural System Identification
von: Meng, Xianghao, et al.
Veröffentlicht: (2026)

Latency-Response Theory Model: Evaluating Large Language Models via Response Accuracy and Chain-of-Thought Length
von: Xu, Zhiyu, et al.
Veröffentlicht: (2025)

A Novel Framework for Analyzing Structural Transformation in Data-Constrained Economies Using Bayesian Modeling and Machine Learning
von: Katende, Ronald
Veröffentlicht: (2024)

POMDP-Driven Cognitive Massive MIMO Radar: Joint Target Detection-Tracking In Unknown Disturbances
von: Bouhou, Imad, et al.
Veröffentlicht: (2024)

Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation
von: Bouchard, Florent, et al.
Veröffentlicht: (2023)

Conformal Selective Prediction with General Risk Control
von: Bai, Tian, et al.
Veröffentlicht: (2026)

Changepoint Detection As Model Selection: A General Framework
von: Grantham, Michael, et al.
Veröffentlicht: (2026)

Domain Generalization and Adaptation in Intensive Care with Anchor Regression
von: Londschien, Malte, et al.
Veröffentlicht: (2025)

Parsimonious Gaussian mixture models with piecewise-constant eigenvalue profiles
von: Szwagier, Tom, et al.
Veröffentlicht: (2025)

Efficient Generative Modeling via Penalized Optimal Transport Network
von: Lu, Wenhui Sophia, et al.
Veröffentlicht: (2024)

Beyond Reweighting: On the Predictive Role of Covariate Shift in Effect Generalization
von: Jin, Ying, et al.
Veröffentlicht: (2024)

Toward Valid Generative Clinical Trial Data with Survival Endpoints
von: Chassat, Perrine, et al.
Veröffentlicht: (2025)

Efficient Synthetic Network Generation via Latent Embedding Reconstruction
von: Jiang, Feifan, et al.
Veröffentlicht: (2026)

Cross-variable Linear Integrated ENhanced Transformer for Photovoltaic power forecasting
von: Gao, Jiaxin, et al.
Veröffentlicht: (2024)

A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation
von: Song, Xinran, et al.
Veröffentlicht: (2025)

Teleodynamic Learning a new Paradigm For Interpretable AI
von: ter Horst, Enrique, et al.
Veröffentlicht: (2026)