Li, Y., Yang, S., Tan, S., Mishra, M., Panda, R., Zhou, J., & Kim, Y. (2025). Distilling to Hybrid Attention Models via KL-Guided Layer Selection.
Chicago-Zitierstil (17. Ausg.)Li, Yanhong, Songlin Yang, Shawn Tan, Mayank Mishra, Rameswar Panda, Jiawei Zhou, und Yoon Kim. Distilling to Hybrid Attention Models via KL-Guided Layer Selection. 2025.
MLA-Zitierstil (9. Ausg.)Li, Yanhong, et al. Distilling to Hybrid Attention Models via KL-Guided Layer Selection. 2025.
Achtung: Diese Zitate sind unter Umständen nicht zu 100% korrekt.