[논문리뷰] Gated Recurrent Transformers: Expressive Depth through Recurrent Modulation본 논문은 대규모 Transformer 모델의 파라미터 수 증가가 메모리 및 학습 비용의 병목으로 이어지는 문제를 해결하고자 합니다. 기존의 표준 Transformer는 깊이를 늘릴 때마다 새로운 가중치 텐서를 생성하여 모델의 파라미터 footprint를 기하급수적으로 증가시킵니다.#Review#Transformer#Recurrent Depth#Weight Sharing#Gated Recurrent Transformer#Memory Efficiency#Model Scaling#Adaptive Computation2026년 8월 26일댓글 수 로딩 중
[논문리뷰] Better Together: Leveraging Unpaired Multimodal Data for Stronger Unimodal Models본 논문은 기존 멀티모달 학습이 paired datasets 에 크게 의존하는 한계를 해결하고자 합니다.#Review#Unpaired Multimodal Learning#Unimodal Representation#Weight Sharing#Cross-modal Transfer#Fisher Information#Self-supervised Learning#Multimodal Neurons#Data Efficiency2025년 10월 13일댓글 수 로딩 중