How Transformers Utilize Multi-Head Attention in In-Context Learning? A Case Study on Sparse Linear Regression

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Chen, Xingwu, Zhao, Lei, Zou, Difan
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!