Grokking-Verzögerung durch Logit-Skala erklärt, nicht direkt durch Gewichtsnorm · Lumeric
Beitrag
FORSCHUNGarxiv.org· ArXiv cs.LG★Pro3h
Grokking-Verzögerung durch Logit-Skala erklärt, nicht direkt durch Gewichtsnorm
Pro-Quelle
Dieser Beitrag stammt aus einer Pro-Quelle. Mit Lumeric Pro liest du den vollständigen Eintrag inklusive „Warum es zählt", Quelle und verwandten Beiträgen.