Diversity of Transformer Layers: One Aspect of Parameter Scaling Laws

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Kamigaito, Hidetaka, Zhang, Ying, Kwon, Jingun, Hayashi, Katsuhiko, Okumura, Manabu, Watanabe, Taro
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language Artificial Intelligence 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/2505.24009