Wonderful Matrices: More Efficient and Effective Architecture for Language Modeling Tasks
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Shi, Jingze, Wu, Bingheng, He, Lu, Jiang, Luchang |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Wonderful Matrices: Combining for a More Efficient and Effective Foundation Model Architecture
par: Shi, Jingze, et autres
Publié: (2024)
par: Shi, Jingze, et autres
Publié: (2024)
Trainable Dynamic Mask Sparse Attention
par: Shi, Jingze, et autres
Publié: (2025)
par: Shi, Jingze, et autres
Publié: (2025)
Learning Multi-Indicator Weights for Data Selection: A Joint Task-Model Adaptation Framework with Efficient Proxies
par: Song, Jingze, et autres
Publié: (2026)
par: Song, Jingze, et autres
Publié: (2026)
When Linear Attention Meets Autoregressive Decoding: Towards More Effective and Efficient Linearized Large Language Models
par: You, Haoran, et autres
Publié: (2024)
par: You, Haoran, et autres
Publié: (2024)
$\mathrm{E^{2}CFD}$: Towards Effective and Efficient Cost Function Design for Safe Reinforcement Learning via Large Language Model
par: Wang, Zepeng, et autres
Publié: (2024)
par: Wang, Zepeng, et autres
Publié: (2024)
Can RLHF be More Efficient with Imperfect Reward Models? A Policy Coverage Perspective
par: Huang, Jiawei, et autres
Publié: (2025)
par: Huang, Jiawei, et autres
Publié: (2025)
Learning to Play 7 Wonders Duel Without Human Supervision
par: Paolini, Giovanni, et autres
Publié: (2024)
par: Paolini, Giovanni, et autres
Publié: (2024)
TransXSSM: A Hybrid Transformer State Space Model with Unified Rotary Position Embedding
par: Wu, Bingheng, et autres
Publié: (2025)
par: Wu, Bingheng, et autres
Publié: (2025)
Generalizing Teacher Networks for Effective Knowledge Distillation Across Student Architectures
par: Binici, Kuluhan, et autres
Publié: (2024)
par: Binici, Kuluhan, et autres
Publié: (2024)
CorDA: Context-Oriented Decomposition Adaptation of Large Language Models for Task-Aware Parameter-Efficient Fine-tuning
par: Yang, Yibo, et autres
Publié: (2024)
par: Yang, Yibo, et autres
Publié: (2024)
The Effectiveness of Approximate Regularized Replay for Efficient Supervised Fine-Tuning of Large Language Models
par: Riemer, Matthew, et autres
Publié: (2025)
par: Riemer, Matthew, et autres
Publié: (2025)
SMMF: Square-Matricized Momentum Factorization for Memory-Efficient Optimization
par: Park, Kwangryeol, et autres
Publié: (2024)
par: Park, Kwangryeol, et autres
Publié: (2024)
Efficient Multi-Task Reinforcement Learning with Cross-Task Policy Guidance
par: He, Jinmin, et autres
Publié: (2025)
par: He, Jinmin, et autres
Publié: (2025)
KGLens: Towards Efficient and Effective Knowledge Probing of Large Language Models with Knowledge Graphs
par: Zheng, Shangshang, et autres
Publié: (2023)
par: Zheng, Shangshang, et autres
Publié: (2023)
ProteinOPD: Towards Effective and Efficient Preference Alignment for Protein Design
par: Zhang, Yulin, et autres
Publié: (2026)
par: Zhang, Yulin, et autres
Publié: (2026)
ShiftAddNAS: Hardware-Inspired Search for More Accurate and Efficient Neural Networks
par: You, Haoran, et autres
Publié: (2022)
par: You, Haoran, et autres
Publié: (2022)
Asynchronous RLHF: Faster and More Efficient Off-Policy RL for Language Models
par: Noukhovitch, Michael, et autres
Publié: (2024)
par: Noukhovitch, Michael, et autres
Publié: (2024)
More Efficient Randomized Exploration for Reinforcement Learning via Approximate Sampling
par: Ishfaq, Haque, et autres
Publié: (2024)
par: Ishfaq, Haque, et autres
Publié: (2024)
Evaluating the Paperclip Maximizer: Are RL-Based Language Models More Likely to Pursue Instrumental Goals?
par: He, Yufei, et autres
Publié: (2025)
par: He, Yufei, et autres
Publié: (2025)
Be Bayesian by Attachments to Catch More Uncertainty
par: Shen, Shiyu, et autres
Publié: (2023)
par: Shen, Shiyu, et autres
Publié: (2023)
Revisiting Sharpness-Aware Minimization: A More Faithful and Effective Implementation
par: Chen, Jianlong, et autres
Publié: (2026)
par: Chen, Jianlong, et autres
Publié: (2026)
Scaling Laws Across Model Architectures: A Comparative Analysis of Dense and MoE Models in Large Language Models
par: Wang, Siqi, et autres
Publié: (2024)
par: Wang, Siqi, et autres
Publié: (2024)
Language Control Diffusion: Efficiently Scaling through Space, Time, and Tasks
par: Zhang, Edwin, et autres
Publié: (2022)
par: Zhang, Edwin, et autres
Publié: (2022)
Rapid and Continuous Trust Evaluation for Effective Task Collaboration Through Siamese Model
par: Zhu, Botao, et autres
Publié: (2025)
par: Zhu, Botao, et autres
Publié: (2025)
Unveiling Mode Connectivity in Graph Neural Networks
par: Li, Bingheng, et autres
Publié: (2025)
par: Li, Bingheng, et autres
Publié: (2025)
MGAS: Multi-Granularity Architecture Search for Trade-Off Between Model Effectiveness and Efficiency
par: Liu, Xiaoyun, et autres
Publié: (2023)
par: Liu, Xiaoyun, et autres
Publié: (2023)
Aggregation-aware MLP: An Unsupervised Approach for Graph Message-passing
par: Xie, Xuanting, et autres
Publié: (2025)
par: Xie, Xuanting, et autres
Publié: (2025)
Federated Data-Efficient Instruction Tuning for Large Language Models
par: Qin, Zhen, et autres
Publié: (2024)
par: Qin, Zhen, et autres
Publié: (2024)
Efficient UAV Swarm-Based Multi-Task Federated Learning with Dynamic Task Knowledge Sharing
par: Yang, Yubo, et autres
Publié: (2025)
par: Yang, Yubo, et autres
Publié: (2025)
Jet-Nemotron: Efficient Language Model with Post Neural Architecture Search
par: Gu, Yuxian, et autres
Publié: (2025)
par: Gu, Yuxian, et autres
Publié: (2025)
Riemannian Networks over Full-Rank Correlation Matrices
par: Chen, Ziheng, et autres
Publié: (2026)
par: Chen, Ziheng, et autres
Publié: (2026)
Shape of Thought: When Distribution Matters More than Correctness in Reasoning Tasks
par: Chandra, Abhranil, et autres
Publié: (2025)
par: Chandra, Abhranil, et autres
Publié: (2025)
Supernova: Achieving More with Less in Transformer Architectures
par: Tanase, Andrei-Valentin, et autres
Publié: (2025)
par: Tanase, Andrei-Valentin, et autres
Publié: (2025)
MO-EMT-NAS: Multi-Objective Continuous Transfer of Architectural Knowledge Between Tasks from Different Datasets
par: Liao, Peng, et autres
Publié: (2024)
par: Liao, Peng, et autres
Publié: (2024)
Unified Multi-Task Learning & Model Fusion for Efficient Language Model Guardrailing
par: Neill, James O', et autres
Publié: (2025)
par: Neill, James O', et autres
Publié: (2025)
CoDAR: Continuous Diffusion Language Models are More Powerful Than You Think
par: Shen, Junzhe, et autres
Publié: (2026)
par: Shen, Junzhe, et autres
Publié: (2026)
Efficient Multi-Task Modeling through Automated Fusion of Trained Models
par: Zhou, Jingxuan, et autres
Publié: (2025)
par: Zhou, Jingxuan, et autres
Publié: (2025)
DiRL: An Efficient Post-Training Framework for Diffusion Language Models
par: Zhu, Ying, et autres
Publié: (2025)
par: Zhu, Ying, et autres
Publié: (2025)
LRQ: Optimizing Post-Training Quantization for Large Language Models by Learning Low-Rank Weight-Scaling Matrices
par: Lee, Jung Hyun, et autres
Publié: (2024)
par: Lee, Jung Hyun, et autres
Publié: (2024)
BLAST: Block-Level Adaptive Structured Matrices for Efficient Deep Neural Network Inference
par: Lee, Changwoo, et autres
Publié: (2024)
par: Lee, Changwoo, et autres
Publié: (2024)
Documents similaires
-
Wonderful Matrices: Combining for a More Efficient and Effective Foundation Model Architecture
par: Shi, Jingze, et autres
Publié: (2024) -
Trainable Dynamic Mask Sparse Attention
par: Shi, Jingze, et autres
Publié: (2025) -
Learning Multi-Indicator Weights for Data Selection: A Joint Task-Model Adaptation Framework with Efficient Proxies
par: Song, Jingze, et autres
Publié: (2026) -
When Linear Attention Meets Autoregressive Decoding: Towards More Effective and Efficient Linearized Large Language Models
par: You, Haoran, et autres
Publié: (2024) -
$\mathrm{E^{2}CFD}$: Towards Effective and Efficient Cost Function Design for Safe Reinforcement Learning via Large Language Model
par: Wang, Zepeng, et autres
Publié: (2024)