Robust Layerwise Scaling Rules by Proper Weight Decay Tuning

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Fan, Zhiyuan, Liu, Yifeng, Zhao, Qingyue, Yuan, Angela, Gu, Quanquan
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares