Cross-layer Attention Sharing for Pre-trained Large Language Models

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Mu, Yongyu, Wu, Yuzhang, Fan, Yuchun, Wang, Chenglong, Li, Hengyu, Zeng, Jiali, He, Qiaozhi, Yang, Murun, Meng, Fandong, Zhou, Jie, Xiao, Tong, Zhu, Jingbo
Formato: Preprint
Publicado: 2024
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares