RESEARCHarXiv CS.LG·hace 1d
WAV: Multi-Resolution Block Residual Routing for Deep Decoder-Only Transformers
El artículo presenta WAV v1, un método ligero de enrutamiento residual multirresolución para Transformers solo con decodificador. Mejora las conexiones residuales estándar al aumentar cada bloque con bases de detalle direccionales que contrastan las actualizaciones de atención y MLP, y las dinámicas de subcapas tempranas y tardías.
60