כתבה
arXiv cs.LG ·
מסמכי סרטבן אלגוריתמיים ותכנון קורס לשכנוע אריתמטי בטרנספורמרים קטנים
Algorithmic Scratchpads and Curriculum Staging for Arithmetic Reasoning in Tiny Transformers
טרנספורמרים קטנים נתקלים בקשיים במשימות אריתמטיות מערכתיות. מדענים חוקרים את המנגנונים של אריתמטיקה מערכתית בטרנספורמרים קטנים. הם מציעים פתרון לבעיית החישוב האריתמטי המערכתי בטרנספורמרים קטנים. הם מציעים פתרון לבעיית החישוב האריתמטי המערכתי בטרנספורמרים קטנים.
תקציר מקורי באנגליתarXiv:2610.09003v1 Announce Type: new Abstract: Autoregressive Large Language Models (LLMs) frequently struggle with deterministic multi-step algorithmic tasks such as multi-digit multiplication and long division. In this paper, we investigate the mechanics of multi-step arithmetic in compact "Tiny" Transformers (~10.6M non-embedding parameters, 49.3M total) trained on synthetic data across four basic operations (+, -, *, /) unrolled as step-by-step scratchpads. First, we establish the necessary training foundations: (1) dataloader sequence padding creates an 83% gradient starvation artifact that collapses accuracy from 40% to 1%, remediated via continuous sequence packing; (2) linguistic pretraining is an essential prerequisite (<= 2.0% without it); and (3) modern architectural primitives
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית