Zhu, J., Li, J., Hao, Y., Zou, C., Fu, R., & Yang, M. (2026). Learning Less Is More: Premature Upper-Layer Attention Specialization Hurts Language Model Pretraining.
Chicago-Zitierstil (17. Ausg.)Zhu, Jinchang, Jindong Li, Yuwen Hao, Chengyu Zou, Rong Fu, und Menglin Yang. Learning Less Is More: Premature Upper-Layer Attention Specialization Hurts Language Model Pretraining. 2026.
MLA-Zitierstil (9. Ausg.)Zhu, Jinchang, et al. Learning Less Is More: Premature Upper-Layer Attention Specialization Hurts Language Model Pretraining. 2026.
Achtung: Diese Zitate sind unter Umständen nicht zu 100% korrekt.