Training Dynamics of Transformers to Recognize Word Co-occurrence via Gradient Flow Analysis

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Yang, Hongru, Kailkhura, Bhavya, Wang, Zhangyang, Liang, Yingbin
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!