All translations

Enter a message name below to show all available translations.

Found 3 translations.

Name	Current message text
^h English (en)	Ablation studies showed that multi-head {{Term\|attention}} outperformed single-head {{Term\|attention}}, that the scaling factor was important for large key dimensions, and that learned positional {{Term\|embedding\|embeddings}} performed comparably to the sinusoidal encodings.
^h Spanish (es)	Los estudios de ablación mostraron que la {{Term\|attention\|atención}} multi-cabeza superaba a la {{Term\|attention\|atención}} de cabeza única, que el factor de escala era importante para dimensiones de clave grandes, y que los {{Term\|embedding\|embeddings}} posicionales aprendidos rendían de forma comparable a las codificaciones sinusoidales.
^h Chinese (zh)	消融研究表明，多头 {{Term\|attention\|注意力}} 优于单头 {{Term\|attention\|注意力}}；对于较大的键维度，缩放因子至关重要；可学习的位置 {{Term\|embedding\|嵌入}} 的表现与正弦编码相当。