Mapa del conocimiento

Transformer Architecture

2 papers tocan esta idea.

Papers

Un ChatGPT que hace dos tareas a la vez rinde peor que uno que las separa

Entrenar una sola capa iguala a entrenar todo el modelo

Conceptos relacionados

Ideas que aparecen junto a Transformer Architecture.

Agentic Decision-Making Code Generation Data And Compute Efficiency Gradient Analysis Language Modeling Large Language Model Post-Training Layer-Wise Analysis Mathematical Reasoning Model Pretraining Parameter-Efficient Training Reinforcement Learning State-Prediction Separation