LoHan: Low-Cost High-Performance Framework to Fine-Tune 100B Model on a Consumer GPU

Ähnliche Einträge

• LuWu: An End-to-End In-Network Out-of-Core Optimizer for 100B-Scale Model-in-Network Data-Parallel Training on Distributed GPUs
  von: Sun, Mo, et al.
  Veröffentlicht: (2024)
• Hetis: Serving LLMs in Heterogeneous GPU Clusters with Fine-grained and Dynamic Parallelism
  von: Mo, Zizhao, et al.
  Veröffentlicht: (2025)
• LoRA-C: Parameter-Efficient Fine-Tuning of Robust CNN for IoT Devices
  von: Ding, Chuntao, et al.
  Veröffentlicht: (2024)
• A Framework for Fine-Grained Synchronization of Dependent GPU Kernels
  von: Jangda, Abhinav, et al.
  Veröffentlicht: (2023)
• Low-Latency Federated Fine-Tuning for Large Language Models Over Wireless Networks
  von: Pang, Zhiwen, et al.
  Veröffentlicht: (2026)