paper7Atualizado em 21/11/2026 · English
← Todos os papers

Gated Attention for Large Language Models: Non-linearity, Sparsity, and Attention-Sink-Free

Zihan Qiu, Zekun Wang, Bo Zheng, Zeyu Huang, Kaiyue Wen, Songlin Yang, Rui Men, Le Yu e mais 5

De quem é

Outros papers das mesmas organizações