Copertina

The Cursive Transformer

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Greydanus, Sam, Wimpee, Zachary
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence Computation and Language
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

When Models Examine Themselves: Vocabulary-Activation Correspondence in Self-Referential Processing
di: Dadfar, Zachary Pedram
Pubblicazione: (2026)

Proving that Cryptic Crossword Clue Answers are Correct
di: Andrews, Martin, et al.
Pubblicazione: (2024)

Scaling Down Deep Learning with MNIST-1D
di: Greydanus, Sam, et al.
Pubblicazione: (2020)

Efficient Benchmarking Is Just Feature Selection and Multiple Regression
di: Bowyer, Sam, et al.
Pubblicazione: (2026)

Towards Detecting Contextual Real-Time Toxicity for In-Game Chat
di: Yang, Zachary, et al.
Pubblicazione: (2023)

TPTT: Transforming Pretrained Transformers into Titans
di: Furfaro, Fabien
Pubblicazione: (2025)

LLM-Select: Feature Selection with Large Language Models
di: Jeong, Daniel P., et al.
Pubblicazione: (2024)

DINT Transformer
di: Cang, Yueyang, et al.
Pubblicazione: (2025)

Personalized Language Modeling from Personalized Human Feedback
di: Li, Xinyu, et al.
Pubblicazione: (2024)

The Belief State Transformer
di: Hu, Edward S., et al.
Pubblicazione: (2024)

Three-Phase Transformer
di: Ayyash, Mohammad R. Abu
Pubblicazione: (2026)

Birdie: Advancing State Space Models with Reward-Driven Objectives and Curricula
di: Blouir, Sam, et al.
Pubblicazione: (2024)

Medical Adaptation of Large Language and Vision-Language Models: Are We Making Progress?
di: Jeong, Daniel P., et al.
Pubblicazione: (2024)

Evaluating the Factuality of Zero-shot Summarizers Across Varied Domains
di: Ramprasad, Sanjana, et al.
Pubblicazione: (2024)

Revisiting the Scaling Properties of Downstream Metrics in Large Language Model Training
di: Krajewski, Jakub, et al.
Pubblicazione: (2025)

Selective Attention Improves Transformer
di: Leviathan, Yaniv, et al.
Pubblicazione: (2024)

Fast Byte Latent Transformer
di: Kallini, Julie, et al.
Pubblicazione: (2026)

Algorithmic Capabilities of Random Transformers
di: Zhong, Ziqian, et al.
Pubblicazione: (2024)

Transformers Struggle to Learn to Search
di: Saparov, Abulhair, et al.
Pubblicazione: (2024)

An Evolved Universal Transformer Memory
di: Cetin, Edoardo, et al.
Pubblicazione: (2024)

On the Ability of Transformers to Verify Plans
di: Sarrof, Yash, et al.
Pubblicazione: (2026)

Your Transformer is Secretly Linear
di: Razzhigaev, Anton, et al.
Pubblicazione: (2024)

VeRO: An Evaluation Harness for Agents to Optimize Agents
di: Ursekar, Varun, et al.
Pubblicazione: (2026)

TransformLLM: Adapting Large Language Models via LLM-Transformed Reading Comprehension Text
di: Arbel, Iftach, et al.
Pubblicazione: (2024)

On the Spatial Structure of Mixture-of-Experts in Transformers
di: Bershatsky, Daniel, et al.
Pubblicazione: (2025)

Adaptive Computation Pruning for the Forgetting Transformer
di: Lin, Zhixuan, et al.
Pubblicazione: (2025)

Strategic Fusion Optimizes Transformer Compression
di: Rahman, Md Shoaibur
Pubblicazione: (2025)

Transformer-Squared: Self-adaptive LLMs
di: Sun, Qi, et al.
Pubblicazione: (2025)

The Role of Sparsity for Length Generalization in Transformers
di: Golowich, Noah, et al.
Pubblicazione: (2025)

An evolutionary perspective on modes of learning in Transformers
di: Ku, Alexander Y., et al.
Pubblicazione: (2025)

When Can Transformers Count to n?
di: Yehudai, Gilad, et al.
Pubblicazione: (2024)

Transformer Circuit Faithfulness Metrics are not Robust
di: Miller, Joseph, et al.
Pubblicazione: (2024)

Representing Rule-based Chatbots with Transformers
di: Friedman, Dan, et al.
Pubblicazione: (2024)

ALTA: Compiler-Based Analysis of Transformers
di: Shaw, Peter, et al.
Pubblicazione: (2024)

The Geometric Anatomy of Capability Acquisition in Transformers
di: Billa, Jayadev
Pubblicazione: (2026)

Towards Infinite-Long Prefix in Transformer
di: Liang, Yingyu, et al.
Pubblicazione: (2024)

Momentum Streams for Optimizer-Inspired Transformers
di: Gai, Jingchu, et al.
Pubblicazione: (2026)

Does Transformer Interpretability Transfer to RNNs?
di: Paulo, Gonçalo, et al.
Pubblicazione: (2024)

STAT: Shrinking Transformers After Training
di: Flynn, Megan, et al.
Pubblicazione: (2024)

The Limited Impact of Medical Adaptation of Large Language and Vision-Language Models
di: Jeong, Daniel P., et al.
Pubblicazione: (2024)