Threshold Differential Attention for Sink-Free, Ultra-Sparse, and Non-Dispersive Language Modeling

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Huang, Xingyue, Ding, Xueying, Ju, Mingxuan, Liu, Yozen, Shah, Neil, Zhao, Tong
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares