Difan Zou

La ricerca si concentra su come migliorare l'efficienza dell'addestramento nei grafi dinamici.

Esplorando metodi per migliorare il machine learning in ambienti di grafi dinamici.

Questo studio esamina come il precondizionamento possa migliorare le prestazioni del SGD rispetto alla regressione ridge.

Questo studio esamina come la profondità del trasformatore influisce sui compiti di apprendimento.

Un nuovo framework migliora la pianificazione dei viaggi per i modelli di linguaggio grandi.

Investigando come piccoli errori nei dati di addestramento migliorano i contenuti generati dall'IA.

Approccio innovativo per guidare i modelli di linguaggio grandi usando l'auto-valutazione.

Questo studio esplora come i trasformatori apprendono tramite l'attenzione multi-testa nei compiti di regressione.

Indagare sull'impatto della riduzione del tasso sparso sulle prestazioni del modello Transformer.

Scopri come la generazione parallelizzata trasforma la produzione di immagini e video.