:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Ning, Cheng, Zhipeng, Fan, Xuwei, Xia, Xiaoyu, Huang, Lianfen
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	https://arxiv.org/abs/2401.02668
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

QoE-oriented Dependent Task Scheduling under Multi-dimensional QoS Constraints over Distributed Networks
von: Fan, Xuwei, et al.
Veröffentlicht: (2023)

Integrated Sensing, Communication, and Computing: An Information-oriented Resource Transaction Mechanism
von: Chen, Ning, et al.
Veröffentlicht: (2024)

Two-Timescale Model Caching and Resource Allocation for Edge-Enabled AI-Generated Content Services
von: Liu, Zhang, et al.
Veröffentlicht: (2024)

AI-in-the-Loop Sensing and Communication Joint Design for Edge Intelligence
von: Cai, Zhijie, et al.
Veröffentlicht: (2025)

Fine-tuning Multimodal Transformers on Edge: A Parallel Split Learning Approach
von: Fudala, Timo, et al.
Veröffentlicht: (2025)

A Survey on Collaborative DNN Inference for Edge Intelligence
von: Ren, Weiqing, et al.
Veröffentlicht: (2022)

Intelligent Orchestration of Distributed Large Foundation Model Inference at the Edge
von: Koch, Fernando, et al.
Veröffentlicht: (2025)

Unleashing the Power of Tree-of-Thoughts for Edge-Enabled AIGC Service Provisioning
von: Liu, Zhang, et al.
Veröffentlicht: (2026)

Semantic-aware Token Selection and Resource Optimization for Communication-efficient Split Federated Fine-tuning in Edge Intelligence
von: Qiang, Xianke, et al.
Veröffentlicht: (2026)

MobiZO: Enabling Efficient LLM Fine-Tuning at the Edge via Inference Engines
von: Gao, Lei, et al.
Veröffentlicht: (2024)

Learning the Optimal Path and DNN Partition for Collaborative Edge Inference
von: Huang, Yin, et al.
Veröffentlicht: (2024)

What happens when nanochat meets DiLoCo?
von: Acker, Alexander, et al.
Veröffentlicht: (2025)

PackInfer: Compute- and I/O-Efficient Attention for Batched LLM Inference
von: Ning, Rui, et al.
Veröffentlicht: (2026)

RBLA: Rank-Based-LoRA-Aggregation for Fine-tuning Heterogeneous Models in FLaaS
von: Chen, Shuaijun, et al.
Veröffentlicht: (2024)

A Survey on Federated Fine-tuning of Large Language Models
von: Wu, Yebo, et al.
Veröffentlicht: (2025)

Heterogeneous LoRA for Federated Fine-tuning of On-Device Foundation Models
von: Cho, Yae Jee, et al.
Veröffentlicht: (2024)

Rethinking Resource Management in Edge Learning: A Joint Pre-training and Fine-tuning Design Paradigm
von: Lyu, Zhonghao, et al.
Veröffentlicht: (2024)

Toward Sustainability-Aware LLM Inference on Edge Clusters
von: Rajashekar, Kolichala, et al.
Veröffentlicht: (2025)

Stabilizing Decentralized Federated Fine-Tuning via Topology-Aware Alternating LoRA
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2026)

Priority-Aware Model-Distributed Inference at Edge Networks
von: Li, Teng, et al.
Veröffentlicht: (2024)

Towards cost-effective and resource-aware aggregation at Edge for Federated Learning
von: Khan, Ahmad Faraz, et al.
Veröffentlicht: (2022)

Early-Exit meets Model-Distributed Inference at Edge Networks
von: Colocrese, Marco, et al.
Veröffentlicht: (2024)

Adaptive Stream Processing on Edge Devices through Active Inference
von: Sedlak, Boris, et al.
Veröffentlicht: (2024)

TSFLora: Token-Compressed Split Fine-Tuning for Wireless Edge Networks
von: Qiang, Xianke, et al.
Veröffentlicht: (2026)

FedGMI: Generative Model-Driven Federated Learning for Probabilistic Mixture Inference
von: Hou, Qijun, et al.
Veröffentlicht: (2026)

SlimCaching: Edge Caching of Mixture-of-Experts for Distributed Inference
von: Chen, Qian, et al.
Veröffentlicht: (2025)

Towards 6G Intelligence: The Role of Generative AI in Future Wireless Networks
von: Mohsin, Muhammad Ahmed, et al.
Veröffentlicht: (2025)

SynergAI: Edge-to-Cloud Synergy for Architecture-Driven High-Performance Orchestration for AI Inference
von: Stathopoulou, Foteini, et al.
Veröffentlicht: (2025)

Efficient Long Context Fine-tuning with Chunk Flow
von: Yuan, Xiulong, et al.
Veröffentlicht: (2025)

MultiTASC++: A Continuously Adaptive Scheduler for Edge-Based Multi-Device Cascade Inference
von: Nikolaidis, Sokratis, et al.
Veröffentlicht: (2024)

Near-Zero-Overhead Freshness for Recommendation Systems via Inference-Side Model Updates
von: Yu, Wenjun, et al.
Veröffentlicht: (2025)

AIGC-assisted Federated Learning for Edge Intelligence: Architecture Design, Research Challenges and Future Directions
von: Qiang, Xianke, et al.
Veröffentlicht: (2025)

OCTOPINF: Workload-Aware Inference Serving for Edge Video Analytics
von: Nguyen, Thanh-Tung, et al.
Veröffentlicht: (2025)

Hermes: Memory-Efficient Pipeline Inference for Large Models on Edge Devices
von: Han, Xueyuan, et al.
Veröffentlicht: (2024)

MatchNAS: Optimizing Edge AI in Sparse-Label Data Contexts via Automating Deep Neural Network Porting for Mobile Deployment
von: Huang, Hongtao, et al.
Veröffentlicht: (2024)

Arctic Inference with Shift Parallelism: Fast and Efficient Open Source Inference System for Enterprise AI
von: Rajbhandari, Samyam, et al.
Veröffentlicht: (2025)

LLM Inference at the Edge: Mobile, NPU, and GPU Performance Efficiency Trade-offs Under Sustained Load
von: Tummalapalli, Pranay, et al.
Veröffentlicht: (2026)

Have Your Cake and Eat It Too: Toward Efficient and Accurate Split Federated Learning
von: Yan, Dengke, et al.
Veröffentlicht: (2023)

Infer-EDGE: Dynamic DNN Inference Optimization in 'Just-in-time' Edge-AI Implementations
von: Mounesan, Motahare, et al.
Veröffentlicht: (2025)

Multi-DNN Inference of Sparse Models on Edge SoCs
von: Luo, Jiawei, et al.
Veröffentlicht: (2026)