Buchumschlag

Choice of PEFT Technique in Continual Learning: Prompt Tuning is Not All You Need

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wistuba, Martin, Sivaprasad, Prabhu Teja, Balles, Lukas, Zappella, Giovanni
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

CoRet: Improved Retriever for Code Editing
von: Fehr, Fabio, et al.
Veröffentlicht: (2025)

Hyperband-based Bayesian Optimization for Black-box Prompt Selection
von: Schneider, Lennart, et al.
Veröffentlicht: (2024)

All You Need is One: Capsule Prompt Tuning with a Single Vector
von: Liu, Yiyang, et al.
Veröffentlicht: (2025)

Attention is All You Need Until You Need Retention
von: Yaslioglu, M. Murat
Veröffentlicht: (2025)

Context is All You Need
von: Delanois, Jean Erik, et al.
Veröffentlicht: (2026)

Exploitation Is All You Need... for Exploration
von: Rentschler, Micah, et al.
Veröffentlicht: (2025)

Magnitude Is All You Need? Rethinking Phase in Quantum Encoding of Complex SAR Data
von: Gunasekar, Sakthi Prabhu, et al.
Veröffentlicht: (2026)

Hierarchical Autoregressive Transformers: Combining Byte- and Word-Level Processing for Robust, Adaptable Language Models
von: Neitemeier, Pit, et al.
Veröffentlicht: (2025)

All You Need Is Synthetic Task Augmentation
von: Godin, Guillaume
Veröffentlicht: (2025)

Element-wise Attention Is All You Need
von: Feng, Guoxin
Veröffentlicht: (2025)

Efficient Deep Learning Board: Training Feedback Is Not All You Need
von: Gong, Lina, et al.
Veröffentlicht: (2024)

No More Adam: Learning Rate Scaling at Initialization is All You Need
von: Xu, Minghao, et al.
Veröffentlicht: (2024)

An Extra RMSNorm is All You Need for Fine Tuning to 1.58 Bits
von: Steinmetz, Cody, et al.
Veröffentlicht: (2025)

Transduction is All You Need for Structured Data Workflows
von: Gliozzo, Alfio, et al.
Veröffentlicht: (2025)

Is Exploration All You Need? Effective Exploration Characteristics for Transfer in Reinforcement Learning
von: Balloch, Jonathan C., et al.
Veröffentlicht: (2024)

More Agents Is All You Need
von: Li, Junyou, et al.
Veröffentlicht: (2024)

Cooperation Is All You Need
von: Adeel, Ahsan, et al.
Veröffentlicht: (2023)

OffSeeker: Online Reinforcement Learning Is Not All You Need for Deep Research Agents
von: Zhou, Yuhang, et al.
Veröffentlicht: (2026)

HDL-GPT: High-Quality HDL is All You Need
von: Kumar, Bhuvnesh, et al.
Veröffentlicht: (2024)

Capabilities Ain't All You Need: Measuring Propensities in AI
von: Romero-Alvarado, Daniel, et al.
Veröffentlicht: (2026)

Is Diversity All You Need for Scalable Robotic Manipulation?
von: Shi, Modi, et al.
Veröffentlicht: (2025)

Scaling Is All You Need: Autonomous Driving with JAX-Accelerated Reinforcement Learning
von: Harmel, Moritz, et al.
Veröffentlicht: (2023)

Hedging Is Not All You Need: A Simple Baseline for Online Learning Under Haphazard Inputs
von: Buckchash, Himanshu, et al.
Veröffentlicht: (2024)

You Don't Need Prompt Engineering Anymore: The Prompting Inversion
von: Khan, Imran
Veröffentlicht: (2025)

No-Regret Learning Under Adversarial Resource Constraints: A Spending Plan Is All You Need!
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2025)

Tensor Product Attention Is All You Need
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

Confidence Is All You Need for MI Attacks
von: Sinha, Abhishek, et al.
Veröffentlicht: (2023)

Attention Smoothing Is All You Need For Unlearning
von: Zade, Saleh Zare, et al.
Veröffentlicht: (2026)

Cross-Entropy Is All You Need To Invert the Data Generating Process
von: Reizinger, Patrik, et al.
Veröffentlicht: (2024)

TransMLA: Multi-Head Latent Attention Is All You Need
von: Meng, Fanxu, et al.
Veröffentlicht: (2025)

Context-Selective State Space Models: Feedback is All You Need
von: Zattra, Riccardo, et al.
Veröffentlicht: (2025)

Is Behavior Cloning All You Need? Understanding Horizon in Imitation Learning
von: Foster, Dylan J., et al.
Veröffentlicht: (2024)

AutoPEFT: Automatic Configuration Search for Parameter-Efficient Fine-Tuning
von: Zhou, Han, et al.
Veröffentlicht: (2023)

Easy Samples Are All You Need: Self-Evolving LLMs via Data-Efficient Reinforcement Learning
von: Yu, Zhiyin, 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)

The Residual Stream Is All You Need: On the Redundancy of the KV Cache in Transformer Inference
von: Qasim, Kaleem Ullah, et al.
Veröffentlicht: (2026)

Proprioception Is All You Need: Terrain Classification for Boreal Forests
von: LaRocque, Damien, et al.
Veröffentlicht: (2024)

Eigenpruning: an Interpretability-Inspired PEFT Method
von: Vergara-Browne, Tomás, et al.
Veröffentlicht: (2024)

One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation
von: Fu, Yiwei, et al.
Veröffentlicht: (2024)

Procedural Memory Is Not All You Need: Bridging Cognitive Gaps in LLM-Based Agents
von: Wheeler, Schaun, et al.
Veröffentlicht: (2025)