Over-Tokenized Transformer: Vocabulary is Generally Worth Scaling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Hongzhi, Zhu, Defa, Wu, Banggu, Zeng, Yutao, Wang, Ya, Min, Qiyang, Zhou, Xun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2501.16975