:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shu, Yao, Fang, Jiongfeng, He, Ying Tiffany, Yu, Fei Richard
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2402.11427
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ReDit: Reward Dithering for Improved LLM Policy Optimization
von: Wei, Chenxing, et al.
Veröffentlicht: (2025)

Refining Adaptive Zeroth-Order Optimization at Ease
von: Shu, Yao, et al.
Veröffentlicht: (2025)

ADMIRE-BayesOpt: Accelerated Data MIxture RE-weighting for Language Models with Bayesian Optimization
von: Chen, Shengzhuang, et al.
Veröffentlicht: (2025)

ExCoT: Optimizing Reasoning for Text-to-SQL with Execution Feedback
von: Zhai, Bohan, et al.
Veröffentlicht: (2025)

SemanticOpt: Towards LLM-Based Semantic Black-Box Optimization
von: Meindl, Jamison, et al.
Veröffentlicht: (2025)

OptMATH: A Scalable Bidirectional Data Synthesis Framework for Optimization Modeling
von: Lu, Hongliang, et al.
Veröffentlicht: (2025)

Subspace-based Approximate Hessian Method for Zeroth-Order Optimization
von: Kim, Dongyoon, et al.
Veröffentlicht: (2025)

OptProver: Bridging Olympiad and Optimization through Continual Training in Formal Theorem Proving
von: Li, Chenyi, et al.
Veröffentlicht: (2026)

LFPO: Likelihood-Free Policy Optimization for Masked Diffusion Models
von: Wei, Chenxing, et al.
Veröffentlicht: (2026)

Words & Weights: Streamlining Multi-Turn Interactions via Co-Adaptation
von: Wei, Chenxing, et al.
Veröffentlicht: (2026)

ZeroShotOpt: Towards Zero-Shot Pretrained Models for Efficient Black-Box Optimization
von: Meindl, Jamison, et al.
Veröffentlicht: (2025)

M-HOF-Opt: Multi-Objective Hierarchical Output Feedback Optimization via Multiplier Induced Loss Landscape Scheduling
von: Sun, Xudong, et al.
Veröffentlicht: (2024)

OptSkills: Learning Generalizable Optimization Skills from Problem Archetypes via Cluster-Based Distillation
von: Yang, Haochen, et al.
Veröffentlicht: (2026)

FLOSS: Federated Learning with Opt-Out and Straggler Support
von: Goetze, David J, et al.
Veröffentlicht: (2025)

Ferret: Federated Full-Parameter Tuning at Scale for Large Language Models
von: Shu, Yao, et al.
Veröffentlicht: (2024)

Self-Refining Diffusion Samplers: Enabling Parallelization via Parareal Iterations
von: Selvam, Nikil Roashan, et al.
Veröffentlicht: (2024)

PP-TIL: Personalized Planning for Autonomous Driving with Instance-based Transfer Imitation Learning
von: Lin, Fangze, et al.
Veröffentlicht: (2024)

TempOpt -- Unsupervised Alarm Relation Learning for Telecommunication Networks
von: Sampath, Sathiyanaryanan, et al.
Veröffentlicht: (2025)

Simultaneous Training of First- and Second-Order Optimizers in Population-Based Reinforcement Learning
von: Pfeiffer, Felix, et al.
Veröffentlicht: (2024)

Flexora: Flexible Low Rank Adaptation for Large Language Models
von: Wei, Chenxing, et al.
Veröffentlicht: (2024)

Primitive Agentic First-Order Optimization
von: Sala, R.
Veröffentlicht: (2024)

Dynamic Universal Approximation Theory: Foundations for Parallelism in Neural Networks
von: Wang, Wei, et al.
Veröffentlicht: (2024)

Understanding the Challenges in Iterative Generative Optimization with LLMs
von: Nie, Allen, et al.
Veröffentlicht: (2026)

DMax: Aggressive Parallel Decoding for dLLMs
von: Chen, Zigeng, et al.
Veröffentlicht: (2026)

Generalized Parallel Scaling with Interdependent Generations
von: Dong, Harry, et al.
Veröffentlicht: (2025)

GeckOpt: LLM System Efficiency via Intent-Based Tool Selection
von: Fore, Michael, et al.
Veröffentlicht: (2024)

Second Order Bounds for Contextual Bandits with Function Approximation
von: Pacchiano, Aldo
Veröffentlicht: (2024)

OptScale: Probabilistic Optimality for Inference-time Scaling
von: Wang, Youkang, et al.
Veröffentlicht: (2025)

JAM: Keypoint-Guided Joint Prediction after Classification-Aware Marginal Proposal for Multi-Agent Interaction
von: Lin, Fangze, et al.
Veröffentlicht: (2025)

Dimer-Enhanced Optimization: A First-Order Approach to Escaping Saddle Points in Neural Network Training
von: Hu, Yue, et al.
Veröffentlicht: (2025)

Towards Secure and Efficient Data Scheduling for Vehicular Social Networks
von: Xia, Youhua, et al.
Veröffentlicht: (2024)

On the Mathematical Impossibility of Safe Universal Approximators
von: Yao, Jasper
Veröffentlicht: (2025)

Efficient Exploration for Iterative Nash Preference Optimization
von: Nan, Tianlong, et al.
Veröffentlicht: (2026)

Universal Approximation with Softmax Attention
von: Hu, Jerry Yao-Chieh, et al.
Veröffentlicht: (2025)

IIB-LPO: Latent Policy Optimization via Iterative Information Bottleneck
von: Deng, Huilin, et al.
Veröffentlicht: (2026)

An Efficient Hybrid Sparse Attention with CPU-GPU Parallelism for Long-Context Inference
von: Yao, Feiyu, et al.
Veröffentlicht: (2026)

Accelerate Model Parallel Training by Using Efficient Graph Traversal Order in Device Placement
von: Wang, Tianze, et al.
Veröffentlicht: (2022)

A Historical Trajectory Assisted Optimization Method for Zeroth-Order Federated Learning
von: Wu, Chenlin, et al.
Veröffentlicht: (2024)

Second-Order Convergence in Private Stochastic Non-Convex Optimization
von: Tao, Youming, et al.
Veröffentlicht: (2025)

Approximated Likelihood Ratio: A Forward-Only and Parallel Framework for Boosting Neural Network Training
von: Zhang, Zeliang, et al.
Veröffentlicht: (2024)