Transformers Trained via Gradient Descent Can Provably Learn a Class of Teacher Models

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Zhang, Chenyang, Zhao, Qingyue, Gu, Quanquan, Cao, Yuan
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!