Sparse Growing Transformer: Training-Time Sparse Depth Allocation via Progressive Attention Looping

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Chen, Yao, Chen, Yilong, Yang, Yinqi, Shang, Junyuan, Zhang, Zhenyu, Zhang, Zefeng, Nie, Shuaiyi, Wang, Shuohuan, Sun, Yu, Wu, Hua, Wang, HaiFeng, Liu, Tingwen
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!