Christos Thrampoulidis

Ein Blick darauf, wie Transformer Aufmerksamkeits-Layer für besseres Sprachverständnis nutzen.

Wir stellen CAP vor, um Fairness und Effizienz in Machine-Learning-Modellen zu verbessern.

Selbstaufmerksamkeit und Gradientenabstieg in Transformermodellen untersuchen.

Untersuchung von Vorurteilen bei der Vorhersage des nächsten Tokens und deren Einfluss auf die Modellleistung.

Ein tiefer Einblick, wie die Vorhersage des nächsten Tokens das Sprachverständnis in Modellen beeinflusst.