Buchumschlag

DyCE: Dynamically Configurable Exiting for Deep Learning Compression and Real-time Scaling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Qingyuan, Cardiff, Barry, Frappé, Antoine, Larras, Benoit, John, Deepu
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

Tiny Models are the Computational Saver for Large Models
von: Wang, Qingyuan, et al.
Veröffentlicht: (2024)

DCentNet: Decentralized Multistage Biomedical Signal Classification using Early Exits
von: Li, Xiaolin, et al.
Veröffentlicht: (2025)

ORXE: Orchestrating Experts for Dynamically Configurable Efficiency
von: Wang, Qingyuan, et al.
Veröffentlicht: (2025)

POCKET: Pruning Random Convolution Kernels for Time Series Classification from a Feature Selection Perspective
von: Chen, Shaowu, et al.
Veröffentlicht: (2023)

DySCo: Dynamic Semantic Compression for Effective Long-term Time Series Forecasting
von: Ao, Xiang, et al.
Veröffentlicht: (2026)

DyC-STG: Dynamic Causal Spatio-Temporal Graph Network for Real-time Data Credibility Analysis in IoT
von: Cheng, Guanjie, et al.
Veröffentlicht: (2025)

Controlling the Risk of Corrupted Contexts for Language Models via Early-Exiting
von: Wynn, Andrea, et al.
Veröffentlicht: (2025)

CoDy: Counterfactual Explainers for Dynamic Graphs
von: Qu, Zhan, et al.
Veröffentlicht: (2024)

Improving Prediction Certainty Estimation for Reliable Early Exiting via Null Space Projection
von: He, Jianing, et al.
Veröffentlicht: (2025)

Performance Control in Early Exiting to Deploy Large Models at the Same Cost of Smaller Ones
von: Mofakhami, Mehrnaz, et al.
Veröffentlicht: (2024)

DyMRL: Dynamic Multispace Representation Learning for Multimodal Event Forecasting in Knowledge Graph
von: Zhao, Feng, et al.
Veröffentlicht: (2026)

COSEE: Consistency-Oriented Signal-Based Early Exiting via Calibrated Sample Weighting Mechanism
von: He, Jianing, et al.
Veröffentlicht: (2024)

Sustainable Edge Intelligence Through Energy-Aware Early Exiting
von: Bullo, Marcello, et al.
Veröffentlicht: (2023)

Sample-Efficient Preference-based Reinforcement Learning with Dynamics Aware Rewards
von: Metcalf, Katherine, et al.
Veröffentlicht: (2024)

A Brief Review for Compression and Transfer Learning Techniques in DeepFake Detection
von: Karathanasis, Andreas, et al.
Veröffentlicht: (2025)

DyJR: Preserving Diversity in Reinforcement Learning with Verifiable Rewards via Dynamic Jensen-Shannon Replay
von: Li, Long, et al.
Veröffentlicht: (2026)

Dying Clusters Is All You Need -- Deep Clustering With an Unknown Number of Clusters
von: Leiber, Collin, et al.
Veröffentlicht: (2024)

Compressible Dynamics in Deep Overparameterized Low-Rank Learning & Adaptation
von: Yaras, Can, et al.
Veröffentlicht: (2024)

Unsupervised Concept Drift Detection from Deep Learning Representations in Real-time
von: Greco, Salvatore, et al.
Veröffentlicht: (2024)

Geometric and Dynamic Scaling in Deep Transformers
von: Su, Haoran, et al.
Veröffentlicht: (2026)

Fast yet Safe: Early-Exiting with Risk Control
von: Jazbec, Metod, et al.
Veröffentlicht: (2024)

DeepResearcher: Scaling Deep Research via Reinforcement Learning in Real-world Environments
von: Zheng, Yuxiang, et al.
Veröffentlicht: (2025)

Compressing Deep Reinforcement Learning Networks with a Dynamic Structured Pruning Method for Autonomous Driving
von: Su, Wensheng, et al.
Veröffentlicht: (2024)

DyG2Vec: Efficient Representation Learning for Dynamic Graphs
von: Alomrani, Mohammad Ali, et al.
Veröffentlicht: (2022)

Deep Generative Model for Mechanical System Configuration Design
von: Etesam, Yasaman, et al.
Veröffentlicht: (2024)

Early Exiting Predictive Coding Neural Networks for Edge AI
von: Zniber, Alaa, et al.
Veröffentlicht: (2023)

ParaDySe: A Parallel-Strategy Switching Framework for Dynamic Sequence Lengths in Transformer
von: Ou, Zhixin, et al.
Veröffentlicht: (2025)

Enhancing Inverse Reinforcement Learning through Encoding Dynamic Information in Reward Shaping
von: Zhan, Simon Sinong, et al.
Veröffentlicht: (2024)

Deep Configuration Performance Learning: A Systematic Survey and Taxonomy
von: Gong, Jingzhi, et al.
Veröffentlicht: (2024)

Enhancing Modality Representation and Alignment for Multimodal Cold-start Active Learning
von: Shen, Meng, et al.
Veröffentlicht: (2024)

DyEdgeGAT: Dynamic Edge via Graph Attention for Early Fault Detection in IIoT Systems
von: Zhao, Mengjie, et al.
Veröffentlicht: (2023)

Counterfactual explainability and analysis of variance
von: Gao, Zijun, et al.
Veröffentlicht: (2024)

Data Value in the Age of Scaling: Understanding LLM Scaling Dynamics Under Real-Synthetic Data Mixtures
von: Wang, Haohui, et al.
Veröffentlicht: (2025)

Deep Heuristic Learning for Real-Time Urban Pathfinding
von: El-Ela, Mohamed Hussein Abo, et al.
Veröffentlicht: (2024)

Learning Dynamics of Deep Learning -- Force Analysis of Deep Neural Networks
von: Ren, Yi
Veröffentlicht: (2025)

Toward Reproducible Cross-Backend Compatibility for Deep Learning: A Configuration-First Framework with Three-Tier Verification
von: Li, Zehua
Veröffentlicht: (2025)

ConsistentEE: A Consistent and Hardness-Guided Early Exiting Method for Accelerating Language Models Inference
von: Zeng, Ziqian, et al.
Veröffentlicht: (2023)

Communication-Efficient Federated Learning with Adaptive Compression under Dynamic Bandwidth
von: Zhuansun, Ying, et al.
Veröffentlicht: (2024)

Dynamic Latent Separation for Deep Learning
von: Tuan, Yi-Lin, et al.
Veröffentlicht: (2022)

DyVal: Dynamic Evaluation of Large Language Models for Reasoning Tasks
von: Zhu, Kaijie, et al.
Veröffentlicht: (2023)