Closing the Curvature Gap: Full Transformer Hessians and Their Implications for Scaling Laws

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Petrov, Egor, Kiselev, Nikita, Meshkov, Vladislav, Grabovoy, Andrey
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning I.2.6; I.2.7; G.1.3
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2510.16927