Hyperparameter Transfer with Mixture-of-Expert Layers

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Jiang, Tianze, Bordelon, Blake, Pehlevan, Cengiz, Hanin, Boris
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2601.20205