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

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Petrov, Egor, Kiselev, Nikita, Meshkov, Vladislav, Grabovoy, Andrey
Format:	Preprint
Publié:	2025
Sujets:	Machine Learning I.2.6; I.2.7; G.1.3
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2510.16927