Towards Sequence Modeling Alignment between Tokenizer and Autoregressive Model
Pingyu Wu · Kai Zhu · Yu Liu · Longxiang Tang · Jian Yang · Yansong Peng · Wei Zhai · Yang Cao · Zheng-Jun Zha
首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。
实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。
Pingyu Wu · Kai Zhu · Yu Liu · Longxiang Tang · Jian Yang · Yansong Peng · Wei Zhai · Yang Cao · Zheng-Jun Zha
Yujie Wei · Shiwei Zhang · Hangjie Yuan · Yujin Han · Zhekai Chen · Jiayu Wang · Difan Zou · Xihui Liu · yingya zhang · Yu Liu · Hongming Shan
Haoyou Deng · Keyu Yan · Chaojie Mao · Xiang Wang · Yu Liu · Changxin Gao · Nong Sang
Chaohu Liu · Gui Tianyi · Yu Liu · Linli Xu
Yansong Peng · Kai Zhu · Yu Liu · Pingyu Wu · Hebei Li · Xiaoyan Sun · Feng Wu
Jinbo Xing · Zeyinzi Jiang · Yuxiang Tuo · Chaojie Mao · Xiaotang Gai · Xi Chen · Jingfeng Zhang · Yulin Pan · Zhen Han · Jie Xiao · Keyu Yan · Chenwei Xie · Chongyang Zhong · Kai Zhu · Tong Shen · Lianghua Huang · Yu Liu · Yujiu Yang
Yiyang Wang · Xi Chen · Xiaogang Xu · Yu Liu · Hengshuang Zhao
Jie Sun · Yu Liu · Lu Han · Qiwen Deng · Xiang Shu · Yang Xiao · Lintao Ma · Xingyu Lu · JUN ZHOU · Pengfei Liu · Jiancan Wu · Xiang Wang
While transformer-based Large Language Models (LLMs) theoretically support massive context windows, they suffer from severe performance degradation when processing long numerical sequences. We attribute this failure to the attention dispersion in the Softmax mechanism, which prevents the model fr...