Top-Theta Attention: Sparsifying Transformers by Compensated Thresholding

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Berestizshevsky, Konstantin, Andri, Renzo, Cavigelli, Lukas
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language Artificial Intelligence 68T01 I.2
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2502.08363