From Attention to Activation: Unravelling the Enigmas of Large Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Kaul, Prannay, Ma, Chengcheng, Elezi, Ismail, Deng, Jiankang |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching
par: Miles, Roy, et autres
Publié: (2026)
par: Miles, Roy, et autres
Publié: (2026)
Three Heads Are Better Than One: Complementary Experts for Long-Tailed Semi-supervised Learning
par: Ma, Chengcheng, et autres
Publié: (2023)
par: Ma, Chengcheng, et autres
Publié: (2023)
G3DR: Generative 3D Reconstruction in ImageNet
par: Reddy, Pradyumna, et autres
Publié: (2024)
par: Reddy, Pradyumna, et autres
Publié: (2024)
$V_kD:$ Improving Knowledge Distillation using Orthogonal Projections
par: Miles, Roy, et autres
Publié: (2024)
par: Miles, Roy, et autres
Publié: (2024)
Deep Active Learning: A Reality Check
par: Gashi, Edrina, et autres
Publié: (2024)
par: Gashi, Edrina, et autres
Publié: (2024)
"Principal Components" Enable A New Language of Images
par: Wen, Xin, et autres
Publié: (2025)
par: Wen, Xin, et autres
Publié: (2025)
VeLoRA: Memory Efficient Training using Rank-1 Sub-Token Projections
par: Miles, Roy, et autres
Publié: (2024)
par: Miles, Roy, et autres
Publié: (2024)
RetouchLLM: Training-free Code-based Image Retouching with Vision Language Models
par: Ye-Bin, Moon, et autres
Publié: (2025)
par: Ye-Bin, Moon, et autres
Publié: (2025)
CASteer: Cross-Attention Steering for Controllable Concept Erasure
par: Gaintseva, Tatiana, et autres
Publié: (2025)
par: Gaintseva, Tatiana, et autres
Publié: (2025)
Fractal Calibration for long-tailed object detection
par: Alexandridis, Konstantinos Panagiotis, et autres
Publié: (2024)
par: Alexandridis, Konstantinos Panagiotis, et autres
Publié: (2024)
SATGround: A Spatially-Aware Approach for Visual Grounding in Remote Sensing
par: Toker, Aysim, et autres
Publié: (2025)
par: Toker, Aysim, et autres
Publié: (2025)
Stable and Explainable Personality Trait Evaluation in Large Language Models with Internal Activations
par: Ma, Xiaoxu, et autres
Publié: (2026)
par: Ma, Xiaoxu, et autres
Publié: (2026)
Prefixing Attention Sinks can Mitigate Activation Outliers for Large Language Model Quantization
par: Son, Seungwoo, et autres
Publié: (2024)
par: Son, Seungwoo, et autres
Publié: (2024)
Do You See What I Am Pointing At? Gesture-Based Egocentric Video Question Answering
par: Choi, Yura, et autres
Publié: (2026)
par: Choi, Yura, et autres
Publié: (2026)
Hybrid EEG--Driven Brain--Computer Interface: A Large Language Model Framework for Personalized Language Rehabilitation
par: Hossain, Ismail, et autres
Publié: (2025)
par: Hossain, Ismail, et autres
Publié: (2025)
An Enigma of Artificial Reason: Investigating the Production-Evaluation Gap in Large Reasoning Models
par: Sun, Mingzhong, et autres
Publié: (2026)
par: Sun, Mingzhong, et autres
Publié: (2026)
First Activations Matter: Training-Free Methods for Dynamic Activation in Large Language Models
par: Ma, Chi, et autres
Publié: (2024)
par: Ma, Chi, et autres
Publié: (2024)
Unraveling Arithmetic in Large Language Models: The Role of Algebraic Structures
par: Chang, Fu-Chieh, et autres
Publié: (2024)
par: Chang, Fu-Chieh, et autres
Publié: (2024)
Massive Activations in Large Language Models
par: Sun, Mingjie, et autres
Publié: (2024)
par: Sun, Mingjie, et autres
Publié: (2024)
Measuring Maximum Activations in Open Large Language Models
par: Chen, Luxuan, et autres
Publié: (2026)
par: Chen, Luxuan, et autres
Publié: (2026)
Activation-Guided Consensus Merging for Large Language Models
par: Yao, Yuxuan, et autres
Publié: (2025)
par: Yao, Yuxuan, et autres
Publié: (2025)
Why do Large Language Models Fail in Low-resource Translation? Unraveling the Token Dynamics of Large Language Models for Machine Translation
par: Qian, Shenbin, et autres
Publié: (2026)
par: Qian, Shenbin, et autres
Publié: (2026)
Learning to Check: Unleashing Potentials for Self-Correction in Large Language Models
par: Zhang, Che, et autres
Publié: (2024)
par: Zhang, Che, et autres
Publié: (2024)
Formality is Favored: Unraveling the Learning Preferences of Large Language Models on Data with Conflicting Knowledge
par: Li, Jiahuan, et autres
Publié: (2024)
par: Li, Jiahuan, et autres
Publié: (2024)
Unraveling Interwoven Roles of Large Language Models in Authorship Privacy: Obfuscation, Mimicking, and Verification
par: Nguyen, Tuc, et autres
Publié: (2025)
par: Nguyen, Tuc, et autres
Publié: (2025)
Q-Sparse: All Large Language Models can be Fully Sparsely-Activated
par: Wang, Hongyu, et autres
Publié: (2024)
par: Wang, Hongyu, et autres
Publié: (2024)
Unraveling Cross-Modality Knowledge Conflicts in Large Vision-Language Models
par: Zhu, Tinghui, et autres
Publié: (2024)
par: Zhu, Tinghui, et autres
Publié: (2024)
Head-wise Shareable Attention for Large Language Models
par: Cao, Zouying, et autres
Publié: (2024)
par: Cao, Zouying, et autres
Publié: (2024)
Attention Heads of Large Language Models: A Survey
par: Zheng, Zifan, et autres
Publié: (2024)
par: Zheng, Zifan, et autres
Publié: (2024)
Unraveling the Dominance of Large Language Models Over Transformer Models for Bangla Natural Language Inference: A Comprehensive Study
par: Faria, Fatema Tuj Johora, et autres
Publié: (2024)
par: Faria, Fatema Tuj Johora, et autres
Publié: (2024)
PocketLLM: Ultimate Compression of Large Language Models via Meta Networks
par: Tian, Ye, et autres
Publié: (2025)
par: Tian, Ye, et autres
Publié: (2025)
Unraveling and Mitigating Retriever Inconsistencies in Retrieval-Augmented Large Language Models
par: Li, Mingda, et autres
Publié: (2024)
par: Li, Mingda, et autres
Publié: (2024)
Controlling Large Language Model Agents with Entropic Activation Steering
par: Rahn, Nate, et autres
Publié: (2024)
par: Rahn, Nate, et autres
Publié: (2024)
Controlling Large Language Models Through Concept Activation Vectors
par: Zhang, Hanyu, et autres
Publié: (2025)
par: Zhang, Hanyu, et autres
Publié: (2025)
Riddle Quest : The Enigma of Words
par: Parasa, Niharika Sri, et autres
Publié: (2026)
par: Parasa, Niharika Sri, et autres
Publié: (2026)
Activation-Informed Merging of Large Language Models
par: Nobari, Amin Heyrani, et autres
Publié: (2025)
par: Nobari, Amin Heyrani, et autres
Publié: (2025)
Gated Attention for Large Language Models: Non-linearity, Sparsity, and Attention-Sink-Free
par: Qiu, Zihan, et autres
Publié: (2025)
par: Qiu, Zihan, et autres
Publié: (2025)
PoLLMgraph: Unraveling Hallucinations in Large Language Models via State Transition Dynamics
par: Zhu, Derui, et autres
Publié: (2024)
par: Zhu, Derui, et autres
Publié: (2024)
Signs as Tokens: A Retrieval-Enhanced Multilingual Sign Language Generator
par: Zuo, Ronglai, et autres
Publié: (2024)
par: Zuo, Ronglai, et autres
Publié: (2024)
Polynomial Composition Activations: Unleashing the Dynamics of Large Language Models
par: Zhuo, Zhijian, et autres
Publié: (2024)
par: Zhuo, Zhijian, et autres
Publié: (2024)
Documents similaires
-
Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching
par: Miles, Roy, et autres
Publié: (2026) -
Three Heads Are Better Than One: Complementary Experts for Long-Tailed Semi-supervised Learning
par: Ma, Chengcheng, et autres
Publié: (2023) -
G3DR: Generative 3D Reconstruction in ImageNet
par: Reddy, Pradyumna, et autres
Publié: (2024) -
$V_kD:$ Improving Knowledge Distillation using Orthogonal Projections
par: Miles, Roy, et autres
Publié: (2024) -
Deep Active Learning: A Reality Check
par: Gashi, Edrina, et autres
Publié: (2024)