Complejidad muestral de tokens en atención
Analizamos la tasa de convergencia de la atención al procesar secuencias largas de tokens y su impacto en la precisión. Datos sintéticos y reales.
#distribución subgaussiana
Analizamos la tasa de convergencia de la atención al procesar secuencias largas de tokens y su impacto en la precisión. Datos sintéticos y reales.