Michael Gastpar

Una mirada detallada a la información mutua de Sibson y sus aplicaciones multifacéticas.

Este estudio explora cómo los transformadores aprenden de procesos de Markov a través de la inicialización y el flujo de gradientes.

Aprende cómo la compresión de prompts puede mejorar el rendimiento de los modelos de lenguaje y reducir el uso de recursos.

Investigar la interacción de los transformadores con datos de Markov revela información sobre la eficiencia del modelo.