Learned Attention or Mechanical Flattening? Diagnosing Index Gains in Spillover Networks
Cette étude démontre que, bien que l'ajout d'une couche d'attention sur graphe à un modèle de réseau de débordement augmente l'indice de connectivité totale, ce gain est probablement un artefact mécanique de redistribution de la variance plutôt qu'une véritable amélioration de l'attention apprise, car une simple contraction vers une matrice uniforme produit des résultats identiques avec une erreur moindre.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.