Long-context Transformers: A survey

2021

Жабық қол жеткізу Метадеректер (CSL-JSON)
DOI 10.1109/dcna53427.2021.9587279
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Current Transformer architecture falls behind in terms of the computational complexity of its attention mechanism, namely being O(N2). That problem leads to this model being unable to efficiently work with long sequences. There were a lot of attempts which tries to deal with this problem. In this paper, we considered the most up-to-date methods and how these methods compare to each other in different tasks. We address their limitations and how well they perform, and which ones are most versatile and could be used as a base for future works.