[논문리뷰] Change the Product, Keep the Parameters: Associative Algebra Layers for Transformers본 연구는 Transformer의 학습된 가중치를 유지하면서도 연산 복잡도를 줄일 수 있는 더 효율적인 행렬 곱셈 규칙을 탐색하고자 한다.#Review#Transformer#Associative Algebra#Matrix Multiplication#Bilinear Rank#Inference Throughput#Computational Complexity#Feed-Forward Network2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Your Transformer Can Hold Two Thoughts at Once: Evidence of Linear Superposition in LLMs최신 LLM의 기반이 되는 Transformer 아키텍처는 Self-Attention 및 MLP 블록과 같은 고도로 비선형적인 구성 요소를 사용합니다.#Review#Superposition Linearity Hypothesis#Fine-tuning#Decoding#Transformer#LLMs#Inference Throughput#Hidden-state Additivity2026년 9월 24일댓글 수 로딩 중
[논문리뷰] Triplet-Block Diffusion RWKV본 논문은 Causal Transformer Language Models(LLMs)가 겪는 두 가지 핵심 한계를 해결하고자 합니다.#Review#Triplet-Block Layout#Diffusion Language Models#RWKV#Linear-time Recurrent Networks#Parallel Decoding#Inference Throughput2026년 5월 27일댓글 수 로딩 중