Optimizing Knowledge Distillation in Transformers: Enabling Multi-Head Attention without Alignment Barriers

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Bing, Zhaodong, Li, Linze, Liang, Jiajun
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares