Global Convergence in Training Large-Scale Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Cheng, Cao, Yuan, Li, Zihao, He, Yihan, Wang, Mengdi, Liu, Han, Klusowski, Jason Matthew, Fan, Jianqing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Statistics Theory 35Q93
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2410.23610