Preconditioned Attention: Enhancing Efficiency in Transformers
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Saratchandran, Hemanth |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Spectral Conditioning of Attention Improves Transformer Performance
par: Saratchandran, Hemanth, et autres
Publié: (2026)
par: Saratchandran, Hemanth, et autres
Publié: (2026)
Rethinking Attention: Polynomial Alternatives to Softmax in Transformers
par: Saratchandran, Hemanth, et autres
Publié: (2024)
par: Saratchandran, Hemanth, et autres
Publié: (2024)
Leaner Transformers: More Heads, Less Depth
par: Saratchandran, Hemanth, et autres
Publié: (2025)
par: Saratchandran, Hemanth, et autres
Publié: (2025)
Always Skip Attention
par: Ji, Yiping, et autres
Publié: (2025)
par: Ji, Yiping, et autres
Publié: (2025)
The Inlet Rank Collapse in Implicit Neural Representations: Diagnosis and Unified Remedy
par: Zheng, Jianqiao, et autres
Publié: (2026)
par: Zheng, Jianqiao, et autres
Publié: (2026)
The Quantization Benefits of Residual-Free Transformers
par: Ji, Yiping, et autres
Publié: (2026)
par: Ji, Yiping, et autres
Publié: (2026)
Analyzing the Neural Tangent Kernel of Periodically Activated Coordinate Networks
par: Saratchandran, Hemanth, et autres
Publié: (2024)
par: Saratchandran, Hemanth, et autres
Publié: (2024)
Architectural Strategies for the optimization of Physics-Informed Neural Networks
par: Saratchandran, Hemanth, et autres
Publié: (2024)
par: Saratchandran, Hemanth, et autres
Publié: (2024)
From Activation to Initialization: Scaling Insights for Optimizing Neural Fields
par: Saratchandran, Hemanth, et autres
Publié: (2024)
par: Saratchandran, Hemanth, et autres
Publié: (2024)
Transformers Pretrained on Procedural Data Contain Modular Structures for Algorithmic Reasoning
par: Shinnick, Zachary, et autres
Publié: (2025)
par: Shinnick, Zachary, et autres
Publié: (2025)
Preconditioners for the Stochastic Training of Neural Fields
par: Chng, Shin-Fang, et autres
Publié: (2024)
par: Chng, Shin-Fang, et autres
Publié: (2024)
Stable Forgetting: Bounded Parameter-Efficient Unlearning in Foundation Models
par: Garg, Arpit, et autres
Publié: (2025)
par: Garg, Arpit, et autres
Publié: (2025)
A Sampling Theory Perspective on Activations for Implicit Neural Representations
par: Saratchandran, Hemanth, et autres
Publié: (2024)
par: Saratchandran, Hemanth, et autres
Publié: (2024)
Data Denoising and Derivative Estimation for Data-Driven Modeling of Nonlinear Dynamical Systems
par: Yao, Jiaqi, et autres
Publié: (2025)
par: Yao, Jiaqi, et autres
Publié: (2025)
Enhancing Transformers Through Conditioned Embedded Tokens
par: Saratchandran, Hemanth, et autres
Publié: (2025)
par: Saratchandran, Hemanth, et autres
Publié: (2025)
Cutting the Skip: Training Residual-Free Transformers
par: Ji, Yiping, et autres
Publié: (2025)
par: Ji, Yiping, et autres
Publié: (2025)
SineLoRA$Δ$: Sine-Activated Delta Compression
par: Gordon, Cameron, et autres
Publié: (2025)
par: Gordon, Cameron, et autres
Publié: (2025)
From Tables to Signals: Revealing Spectral Adaptivity in TabPFN
par: Zheng, Jianqiao, et autres
Publié: (2025)
par: Zheng, Jianqiao, et autres
Publié: (2025)
D'OH: Decoder-Only Random Hypernetworks for Implicit Neural Representations
par: Gordon, Cameron, et autres
Publié: (2024)
par: Gordon, Cameron, et autres
Publié: (2024)
LUCID: Attention with Preconditioned Representations
par: Duvvuri, Sai Surya, et autres
Publié: (2026)
par: Duvvuri, Sai Surya, et autres
Publié: (2026)
Procedural Pretraining: Warming Up Language Models with Abstract Data
par: Jiang, Liangze, et autres
Publié: (2026)
par: Jiang, Liangze, et autres
Publié: (2026)
Efficient Learning With Sine-Activated Low-rank Matrices
par: Ji, Yiping, et autres
Publié: (2024)
par: Ji, Yiping, et autres
Publié: (2024)
Towards Higher Effective Rank in Parameter-efficient Fine-tuning using Khatri--Rao Product
par: Albert, Paul, et autres
Publié: (2025)
par: Albert, Paul, et autres
Publié: (2025)
Training Dynamics of Softmax Self-Attention: Fast Global Convergence via Preconditioning
par: Goel, Gautam, et autres
Publié: (2026)
par: Goel, Gautam, et autres
Publié: (2026)
Enhancing Hypergradients Estimation: A Study of Preconditioning and Reparameterization
par: Ye, Zhenzhang, et autres
Publié: (2024)
par: Ye, Zhenzhang, et autres
Publié: (2024)
Graph External Attention Enhanced Transformer
par: Liang, Jianqing, et autres
Publié: (2024)
par: Liang, Jianqing, et autres
Publié: (2024)
Neuromorphic Mimicry Attacks Exploiting Brain-Inspired Computing for Covert Cyber Intrusions
par: Ravipati, Hemanth
Publié: (2025)
par: Ravipati, Hemanth
Publié: (2025)
OSDN: Improving Delta Rule with Provable Online Preconditioning in Linear Attention
par: Zhou, Chenyu, et autres
Publié: (2026)
par: Zhou, Chenyu, et autres
Publié: (2026)
Enhancing Transformer Training Efficiency with Dynamic Dropout
par: Yan, Hanrui, et autres
Publié: (2024)
par: Yan, Hanrui, et autres
Publié: (2024)
From Sparse Dependence to Sparse Attention: Unveiling How Chain-of-Thought Enhances Transformer Sample Efficiency
par: Wen, Kaiyue, et autres
Publié: (2024)
par: Wen, Kaiyue, et autres
Publié: (2024)
Universal Sequence Preconditioning
par: Marsden, Annie, et autres
Publié: (2025)
par: Marsden, Annie, et autres
Publié: (2025)
QFlash: Bridging Quantization and Memory Efficiency in Vision Transformer Attention
par: Oh, Sehyeon, et autres
Publié: (2026)
par: Oh, Sehyeon, et autres
Publié: (2026)
A Ruelle dynamical zeta function for equivariant flows
par: Hochs, Peter, et autres
Publié: (2023)
par: Hochs, Peter, et autres
Publié: (2023)
An equivariant Guillemin trace formula
par: Hochs, Peter, et autres
Publié: (2025)
par: Hochs, Peter, et autres
Publié: (2025)
Enhancing Training Efficiency Using Packing with Flash Attention
par: Kundu, Achintya, et autres
Publié: (2024)
par: Kundu, Achintya, et autres
Publié: (2024)
Fed-Meta-Align: A Similarity-Aware Aggregation and Personalization Pipeline for Federated TinyML on Heterogeneous Data
par: Macharla, Hemanth, et autres
Publié: (2025)
par: Macharla, Hemanth, et autres
Publié: (2025)
Improving Accuracy and Efficiency of Implicit Neural Representations: Making SIREN a WINNER
par: Chandravamsi, Hemanth, et autres
Publié: (2025)
par: Chandravamsi, Hemanth, et autres
Publié: (2025)
Advancing Household Robotics: Deep Interactive Reinforcement Learning for Efficient Training and Enhanced Performance
par: Soni, Arpita, et autres
Publié: (2024)
par: Soni, Arpita, et autres
Publié: (2024)
Enhancing Time Series Forecasting with Fuzzy Attention-Integrated Transformers
par: Chakraborty, Sanjay, et autres
Publié: (2025)
par: Chakraborty, Sanjay, et autres
Publié: (2025)
Hierarchical Transformer Preconditioning for Interactive Physics Simulation
par: Osborne, Carl, et autres
Publié: (2026)
par: Osborne, Carl, et autres
Publié: (2026)
Documents similaires
-
Spectral Conditioning of Attention Improves Transformer Performance
par: Saratchandran, Hemanth, et autres
Publié: (2026) -
Rethinking Attention: Polynomial Alternatives to Softmax in Transformers
par: Saratchandran, Hemanth, et autres
Publié: (2024) -
Leaner Transformers: More Heads, Less Depth
par: Saratchandran, Hemanth, et autres
Publié: (2025) -
Always Skip Attention
par: Ji, Yiping, et autres
Publié: (2025) -
The Inlet Rank Collapse in Implicit Neural Representations: Diagnosis and Unified Remedy
par: Zheng, Jianqiao, et autres
Publié: (2026)