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

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Qin, Zhen, Zhou, Jinxin, Jiang, Jiachen, Zhu, Zhihui
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!