Zhang, C., Zhao, Q., Gu, Q., & Cao, Y. (2026). Transformers Trained via Gradient Descent Can Provably Learn a Class of Teacher Models.
Chicago-Zitierstil (17. Ausg.)Zhang, Chenyang, Qingyue Zhao, Quanquan Gu, und Yuan Cao. Transformers Trained via Gradient Descent Can Provably Learn a Class of Teacher Models. 2026.
MLA-Zitierstil (9. Ausg.)Zhang, Chenyang, et al. Transformers Trained via Gradient Descent Can Provably Learn a Class of Teacher Models. 2026.
Achtung: Diese Zitate sind unter Umständen nicht zu 100% korrekt.