MoH: Multi-Head Attention as Mixture-of-Head Attention

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Jin, Peng, Zhu, Bo, Yuan, Li, Yan, Shuicheng
Formato:	Preprint
Publicado:	2024
Materias:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2410.11842