Learning to Focus: Causal Attention Distillation via Gradient-Guided Token Pruning

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Guo, Yiju, Yang, Wenkai, Sun, Zexu, Ding, Ning, Liu, Zhiyuan, Lin, Yankai
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2506.07851