Softmax $\geq$ Linear: Transformers may learn to classify in-context by kernel gradient descent

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Dragutinović, Sara, Saxe, Andrew M., Singh, Aaditya K.
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!