Understanding Differential Transformer Unchains Pretrained Self-Attentions

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Kong, Chaerin, Jang, Jiho, Kwak, Nojun
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2505.16333