Buchumschlag

OmniArch: Building Foundation Model For Scientific Computing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Tianyu, Zhou, Haoyi, Li, Ying, Wang, Hao, Gao, Chonghan, Shi, Rongye, Zhang, Shanghang, Li, Jianxin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Long-window Anchoring in Vision-Language Model Distillation
von: Zhou, Haoyi, et al.
Veröffentlicht: (2025)

TaxDistill: Improving Metagenomic Taxonomic Annotation via Distilled Genomic Foundation Models
von: Ye, Rongye, et al.
Veröffentlicht: (2026)

Galaxy Walker: Geometry-aware VLMs For Galaxy-scale Understanding
von: Chen, Tianyu, et al.
Veröffentlicht: (2025)

Decoupled and Divergence-Conditioned Prompt for Multi-domain Dynamic Graph Foundation Models
von: Yuan, Haonan, et al.
Veröffentlicht: (2026)

FreqMoE: Dynamic Frequency Enhancement for Neural PDE Solvers
von: Chen, Tianyu, et al.
Veröffentlicht: (2025)

Data-Centric Foundation Models in Computational Healthcare: A Survey
von: Zhang, Yunkun, et al.
Veröffentlicht: (2024)

FRoD: Full-Rank Efficient Fine-Tuning with Rotational Degrees for Fast Convergence
von: Wan, Guoan, et al.
Veröffentlicht: (2025)

Instructing the Architecture Search for Spatial-temporal Sequence Forecasting with LLM
von: Xue, Xin, et al.
Veröffentlicht: (2025)

Heterogeneous Scientific Foundation Model Collaboration
von: Li, Zihao, et al.
Veröffentlicht: (2026)

Omni-DNA: A Unified Genomic Foundation Model for Cross-Modal and Multi-Task Learning
von: Li, Zehui, et al.
Veröffentlicht: (2025)

MathSE: Improving Multimodal Mathematical Reasoning via Self-Evolving Iterative Reflection and Reward-Guided Fine-Tuning
von: Chen, Jinhao, et al.
Veröffentlicht: (2025)

OmniCellTOSG: The First Cell Text-Omic Signaling Graphs Dataset for Graph Language Foundation Modeling
von: Zhang, Heming, et al.
Veröffentlicht: (2025)

HyperCore: The Core Framework for Building Hyperbolic Foundation Models with Comprehensive Modules
von: He, Neil, et al.
Veröffentlicht: (2025)

Event Fields: Learning Latent Event Structure for Waveform Foundation Models
von: Na, Li, et al.
Veröffentlicht: (2026)

OmniTabBench: Mapping the Empirical Frontiers of GBDTs, Neural Networks, and Foundation Models for Tabular Data at Scale
von: Jiang, Dihong, et al.
Veröffentlicht: (2026)

RAG-GFM: Overcoming In-Memory Bottlenecks in Graph Foundation Models via Retrieval-Augmented Generation
von: Yuan, Haonan, et al.
Veröffentlicht: (2026)

Foundation Models for Scientific Discovery: From Paradigm Enhancement to Paradigm Transition
von: Liu, Fan, et al.
Veröffentlicht: (2025)

Integrating Weather Foundation Model and Satellite to Enable Fine-Grained Solar Irradiance Forecasting
von: Ma, Ziqing, et al.
Veröffentlicht: (2026)

Omni-Thinker: Scaling Multi-Task RL in LLMs with Hybrid Reward and Task Scheduling
von: Li, Derek, et al.
Veröffentlicht: (2025)

PINNsAgent: Automated PDE Surrogation with Large Language Models
von: Wuwu, Qingpo, et al.
Veröffentlicht: (2025)

A Wireless Foundation Model for Multi-Task Prediction
von: Sheng, Yucheng, et al.
Veröffentlicht: (2025)

Configurable Foundation Models: Building LLMs from a Modular Perspective
von: Xiao, Chaojun, et al.
Veröffentlicht: (2024)

PFMBench: Protein Foundation Model Benchmark
von: Gao, Zhangyang, et al.
Veröffentlicht: (2025)

VLMgineer: Vision Language Models as Robotic Toolsmiths
von: Gao, George Jiayuan, et al.
Veröffentlicht: (2025)

OmniSapiens: A Foundation Model for Social Behavior Processing via Heterogeneity-Aware Relative Policy Optimization
von: Ong, Keane, et al.
Veröffentlicht: (2026)

ESP: Exploiting Symmetry Prior for Multi-Agent Reinforcement Learning
von: Yu, Xin, et al.
Veröffentlicht: (2023)

A Multimodal Foundation Model to Enhance Generalizability and Data Efficiency for Pan-cancer Prognosis Prediction
von: Zhou, Huajun, et al.
Veröffentlicht: (2025)

DeepSeek vs. ChatGPT vs. Claude: A Comparative Study for Scientific Computing and Scientific Machine Learning Tasks
von: Jiang, Qile, et al.
Veröffentlicht: (2025)

QuArch: A Question-Answering Dataset for AI Agents in Computer Architecture
von: Prakash, Shvetank, et al.
Veröffentlicht: (2025)

DeltaEvolve: Accelerating Scientific Discovery through Momentum-Driven Evolution
von: Jiang, Jiachen, et al.
Veröffentlicht: (2026)

Toward a Unified Geometry Understanding: Riemannian Diffusion Framework for Graph Generation and Prediction
von: Gao, Yisen, et al.
Veröffentlicht: (2025)

OmniPred: Language Models as Universal Regressors
von: Song, Xingyou, et al.
Veröffentlicht: (2024)

Are Expressive Models Truly Necessary for Offline RL?
von: Wang, Guan, et al.
Veröffentlicht: (2024)

OmniScience: A Large-scale Multi-modal Dataset for Scientific Image Understanding
von: Tao, Haoyi, et al.
Veröffentlicht: (2026)

Valley3: Scaling Omni Foundation Models for E-commerce
von: Chen, Zeyu, et al.
Veröffentlicht: (2026)

AR-Omni: A Unified Autoregressive Model for Any-to-Any Generation
von: Cheng, Dongjie, et al.
Veröffentlicht: (2026)

A Theoretical Survey on Foundation Models
von: Fu, Shi, et al.
Veröffentlicht: (2024)

TimeOmni-VL: Unified Models for Time Series Understanding and Generation
von: Guan, Tong, et al.
Veröffentlicht: (2026)

Graphlets as Building Blocks for Structural Vocabulary in Knowledge Graph Foundation Models
von: Amouzouvi, Kossi, et al.
Veröffentlicht: (2026)

Scientific Computing with Large Language Models
von: Culver, Christopher, et al.
Veröffentlicht: (2024)