Mechanism and Emergence of Stacked Attention Heads in Multi-Layer Transformers

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autore principale: Musat, Tiberiu
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!