Sirui Tao

Papers que incluyen a Sirui Tao entre los autores de la fuente. Un mismo nombre puede corresponder a investigadores distintos.

1 resultados

1. PaperNLP & Language

   Virtual Head Attention reduce la caché sin sacrificar la calidad del modelo

   Pruebas en modelos pequeños hallaron mayor precisión promedio; en 1,7B, Virtual Head Attention redujo el uso de caché frente a GQA-8.

   Añadido a Chiosa 14 oct 2026