Buchumschlag

Learning to Schedule Online Tasks with Bandit Feedback

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Yongxin, Wang, Shangshang, Guo, Hengquan, Liu, Xin, Shao, Ziyu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cascading Bandits With Feedback
von: Prakash, R Sri, et al.
Veröffentlicht: (2025)

Aryl: An Elastic Cluster Scheduler for Deep Learning
von: Li, Jiamin, et al.
Veröffentlicht: (2022)

Prediction-Assisted Online Distributed Deep Learning Workload Scheduling in GPU Clusters
von: Luo, Ziyue, et al.
Veröffentlicht: (2025)

Deadline-Aware Online Scheduling for LLM Fine-Tuning with Spot Market Predictions
von: Kong, Linggao, et al.
Veröffentlicht: (2025)

Intelligent Task Scheduling for Microservices via A3C-Based Reinforcement Learning
von: Wang, Yang, et al.
Veröffentlicht: (2025)

Prioritizing Modalities: Flexible Importance Scheduling in Federated Multimodal Learning
von: Bian, Jieming, et al.
Veröffentlicht: (2024)

DASH: Deterministic Attention Scheduling for High-throughput Reproducible LLM Training
von: Qiang, Xinwei, et al.
Veröffentlicht: (2026)

Online Client Scheduling and Resource Allocation for Efficient Federated Edge Learning
von: Gao, Zhidong, et al.
Veröffentlicht: (2024)

Spindle: Efficient Distributed Training of Multi-Task Large Models via Wavefront Scheduling
von: Wang, Yujie, et al.
Veröffentlicht: (2024)

Machine Learning-Based Research on the Adaptability of Adolescents to Online Education
von: Wang, Mingwei, et al.
Veröffentlicht: (2024)

Accelerating AIGC Services with Latent Action Diffusion Scheduling in Edge Networks
von: Xu, Changfu, et al.
Veröffentlicht: (2024)

STHFL: Spatio-Temporal Heterogeneous Federated Learning
von: Guo, Shunxin, et al.
Veröffentlicht: (2025)

Echo: Efficient Co-Scheduling of Hybrid Online-Offline Tasks for Large Language Model Serving
von: Wang, Zhibin, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Adaptive Resource Scheduling in Complex System Environments
von: Li, Pochun, et al.
Veröffentlicht: (2024)

Multimodal Online Federated Learning with Modality Missing in Internet of Things
von: Wang, Heqiang, et al.
Veröffentlicht: (2025)

StraightLine: An End-to-End Resource-Aware Scheduler for Machine Learning Application Requests
von: Ching, Cheng-Wei, et al.
Veröffentlicht: (2024)

Communication-Efficient Device Scheduling for Federated Learning Using Lyapunov Optimization
von: Perazzone, Jake B., et al.
Veröffentlicht: (2025)

Scheduling for On-Board Federated Learning with Satellite Clusters
von: Razmi, Nasrin, et al.
Veröffentlicht: (2024)

Event-Driven Online Vertical Federated Learning
von: Wang, Ganyu, et al.
Veröffentlicht: (2025)

Averaging Rate Scheduler for Decentralized Learning on Heterogeneous Data
von: Aketi, Sai Aparna, et al.
Veröffentlicht: (2024)

AsyncHZP: Hierarchical ZeRO Parallelism with Asynchronous Scheduling for Scalable LLM Training
von: Bai, Huawei, et al.
Veröffentlicht: (2025)

Device Scheduling and Assignment in Hierarchical Federated Learning for Internet of Things
von: Zhang, Tinghao, et al.
Veröffentlicht: (2024)

Justitia: Fair and Efficient Scheduling of Task-parallel LLM Agents with Selective Pampering
von: Yang, Mingyan, et al.
Veröffentlicht: (2025)

DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning
von: Wang, Zhiyu, et al.
Veröffentlicht: (2026)

GENE-FL: Gene-Driven Parameter-Efficient Dynamic Federated Learning
von: Guo, Shunxin, et al.
Veröffentlicht: (2025)

Fair Distributed Cooperative Bandit Learning on Networks for Intelligent Internet of Things Systems (Technical Report)
von: Chen, Ziqun, et al.
Veröffentlicht: (2024)

Seer: Online Context Learning for Fast Synchronous LLM Reinforcement Learning
von: Qin, Ruoyu, et al.
Veröffentlicht: (2025)

Symphony: Optimized DNN Model Serving using Deferred Batch Scheduling
von: Chen, Lequn, et al.
Veröffentlicht: (2023)

Locality-aware Fair Scheduling in LLM Serving
von: Cao, Shiyi, et al.
Veröffentlicht: (2025)

Harmonizing Generalization and Personalization in Ring-topology Decentralized Federated Learning
von: Guo, Shunxin, et al.
Veröffentlicht: (2025)

Optimizing Performance on Trinity Utilizing Machine Learning, Proxy Applications and Scheduling Priorities
von: Romero, Phil
Veröffentlicht: (2024)

Update Estimation and Scheduling for Over-the-Air Federated Learning with Energy Harvesting Devices
von: Bagci, Furkan, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

Unleashing the Power of Continual Learning on Non-Centralized Devices: A Survey
von: Li, Yichen, et al.
Veröffentlicht: (2024)

FedTeddi: Temporal Drift and Divergence Aware Scheduling for Timely Federated Edge Learning
von: Bai, Yuxuan, et al.
Veröffentlicht: (2025)

Task Graph offloading via Deep Reinforcement Learning in Mobile Edge Computing
von: Liu, Jiagang, et al.
Veröffentlicht: (2023)

Knowledge-Aware Evolution for Streaming Federated Continual Learning with Category Overlap and without Task Identifiers
von: Tan, Sixing, et al.
Veröffentlicht: (2026)

Arena: Efficiently Training Large Models via Dynamic Scheduling and Adaptive Parallelism Co-Design
von: Xue, Chunyu, et al.
Veröffentlicht: (2024)

An Advanced Reinforcement Learning Framework for Online Scheduling of Deferrable Workloads in Cloud Computing
von: Dong, Hang, et al.
Veröffentlicht: (2024)

Semantic-Aware Scheduling for GPU Clusters with Large Language Models
von: Wang, Zerui, et al.
Veröffentlicht: (2025)