On the Convergence of Gradient Descent on Learning Transformers with Residual Connections

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Qin, Zhen, Zhou, Jinxin, Jiang, Jiachen, Zhu, Zhihui
Format:	Preprint
Publié:	2025
Sujets:	Machine Learning Optimization and Control
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2506.05249