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

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Petrov, Egor, Kiselev, Nikita, Meshkov, Vladislav, Grabovoy, Andrey
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning I.2.6; I.2.7; G.1.3
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2510.16927