Enregistré dans:
| Auteurs principaux: | Chen, Congliang, Shen, Li, Xu, Zhiqiang, Liu, Wei, Luo, Zhi-Quan, Zhao, Peilin |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2411.16081 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Adam Converges Without Any Modification On Update Rules
par: Zhang, Yushun, et autres
Publié: (2026)
par: Zhang, Yushun, et autres
Publié: (2026)
Why Transformers Need Adam: A Hessian Perspective
par: Zhang, Yushun, et autres
Publié: (2024)
par: Zhang, Yushun, et autres
Publié: (2024)
Preserving Diversity in Supervised Fine-Tuning of Large Language Models
par: Li, Ziniu, et autres
Publié: (2024)
par: Li, Ziniu, et autres
Publié: (2024)
Knapsack RL: Unlocking Exploration of LLMs via Optimizing Budget Allocation
par: Li, Ziniu, et autres
Publié: (2025)
par: Li, Ziniu, et autres
Publié: (2025)
BiGain: Unified Token Compression for Joint Generation and Classification
par: Liu, Jiacheng, et autres
Publié: (2026)
par: Liu, Jiacheng, et autres
Publié: (2026)
Adam-mini: Use Fewer Learning Rates To Gain More
par: Zhang, Yushun, et autres
Publié: (2024)
par: Zhang, Yushun, et autres
Publié: (2024)
MGCP: A Multi-Grained Correlation based Prediction Network for Multivariate Time Series
par: Chen, Zhicheng, et autres
Publié: (2024)
par: Chen, Zhicheng, et autres
Publié: (2024)
Principled Data Selection for Alignment: The Hidden Risks of Difficult Examples
par: Gao, Chengqian, et autres
Publié: (2025)
par: Gao, Chengqian, et autres
Publié: (2025)
Online Parallel Multi-Task Relationship Learning via Alternating Direction Method of Multipliers
par: Li, Ruiyu, et autres
Publié: (2024)
par: Li, Ruiyu, et autres
Publié: (2024)
DFWLayer: Differentiable Frank-Wolfe Optimization Layer
par: Liu, Zixuan, et autres
Publié: (2023)
par: Liu, Zixuan, et autres
Publié: (2023)
Exploring 3D Dataset Pruning
par: Zhao, Xiaohan, et autres
Publié: (2026)
par: Zhao, Xiaohan, et autres
Publié: (2026)
AdaGC: Improving Training Stability for Large Language Model Pretraining
par: Wang, Guoxia, et autres
Publié: (2025)
par: Wang, Guoxia, et autres
Publié: (2025)
Language-Pretraining-Induced Bias: A Strong Foundation for General Vision Tasks
par: Luo, Yaxin, et autres
Publié: (2026)
par: Luo, Yaxin, et autres
Publié: (2026)
Understanding Adversarial Imitation Learning in Small Sample Regime: A Stage-coupled Analysis
par: Xu, Tian, et autres
Publié: (2022)
par: Xu, Tian, et autres
Publié: (2022)
The Capabilities and Limitations of Weak-to-Strong Generalization: Generalization and Calibration
par: Yao, Wei, et autres
Publié: (2025)
par: Yao, Wei, et autres
Publié: (2025)
Interactive Inverse Reinforcement Learning of Interaction Scenarios via Bi-level Optimization
par: Mao, Yue, et autres
Publié: (2026)
par: Mao, Yue, et autres
Publié: (2026)
Noisy Node Classification by Bi-level Optimization based Multi-teacher Distillation
par: Liu, Yujing, et autres
Publié: (2024)
par: Liu, Yujing, et autres
Publié: (2024)
Injecting Imbalance Sensitivity for Multi-Task Learning
par: Zhou, Zhipeng, et autres
Publié: (2025)
par: Zhou, Zhipeng, et autres
Publié: (2025)
Integrating Fairness and Model Pruning Through Bi-level Optimization
par: Dai, Yucong, et autres
Publié: (2023)
par: Dai, Yucong, et autres
Publié: (2023)
ORGEval: Graph-Theoretic Evaluation of LLMs in Optimization Modeling
par: Wang, Zhuohan, et autres
Publié: (2025)
par: Wang, Zhuohan, et autres
Publié: (2025)
HDT: Hierarchical Discrete Transformer for Multivariate Time Series Forecasting
par: Feng, Shibo, et autres
Publié: (2025)
par: Feng, Shibo, et autres
Publié: (2025)
Utility Boundary of Dataset Distillation: Scaling and Configuration-Coverage Laws
par: Luo, Zhengquan, et autres
Publié: (2025)
par: Luo, Zhengquan, et autres
Publié: (2025)
On the Learn-to-Optimize Capabilities of Transformers in In-Context Sparse Recovery
par: Liu, Renpu, et autres
Publié: (2024)
par: Liu, Renpu, et autres
Publié: (2024)
Q-Star Meets Scalable Posterior Sampling: Bridging Theory and Practice via HyperAgent
par: Li, Yingru, et autres
Publié: (2024)
par: Li, Yingru, et autres
Publié: (2024)
Silent Neuron Theory and Plasticity Preservation for Deep Reinforcement Learning in Adaptive Video Streaming
par: He, Zhiqiang, et autres
Publié: (2025)
par: He, Zhiqiang, et autres
Publié: (2025)
A Safe Screening Rule with Bi-level Optimization of $ν$ Support Vector Machine
par: Yang, Zhiji, et autres
Publié: (2024)
par: Yang, Zhiji, et autres
Publié: (2024)
Delve into the Applicability of Advanced Optimizers for Multi-Task Learning
par: Zhou, Zhipeng, et autres
Publié: (2026)
par: Zhou, Zhipeng, et autres
Publié: (2026)
Memory-Efficient Gradient Unrolling for Large-Scale Bi-level Optimization
par: Shen, Qianli, et autres
Publié: (2024)
par: Shen, Qianli, et autres
Publié: (2024)
Analyzing and Bridging the Gap between Maximizing Total Reward and Discounted Reward in Deep Reinforcement Learning
par: Yin, Shuyu, et autres
Publié: (2024)
par: Yin, Shuyu, et autres
Publié: (2024)
Stability and Generalization of Nonconvex Optimization with Heavy-Tailed Noise
par: Chen, Hongxu, et autres
Publié: (2026)
par: Chen, Hongxu, et autres
Publié: (2026)
SEGNO: Generalizing Equivariant Graph Neural Networks with Physical Inductive Biases
par: Liu, Yang, et autres
Publié: (2023)
par: Liu, Yang, et autres
Publié: (2023)
Large-Scale Riemannian Meta-Optimization via Subspace Adaptation
par: Yu, Peilin, et autres
Publié: (2025)
par: Yu, Peilin, et autres
Publié: (2025)
Energy-Guided Generative Modeling for Low-Energy Molecular Structure Discovery
par: Xu, Guikun, et autres
Publié: (2025)
par: Xu, Guikun, et autres
Publié: (2025)
Variational Bayes for Federated Continual Learning
par: Yao, Dezhong, et autres
Publié: (2024)
par: Yao, Dezhong, et autres
Publié: (2024)
Attention Is All You Need for KV Cache in Diffusion LLMs
par: Nguyen-Tri, Quan, et autres
Publié: (2025)
par: Nguyen-Tri, Quan, et autres
Publié: (2025)
Bridging Distributional and Risk-sensitive Reinforcement Learning with Provable Regret Bounds
par: Liang, Hao, et autres
Publié: (2022)
par: Liang, Hao, et autres
Publié: (2022)
AnomalyAID: Reliable Interpretation for Semi-supervised Network Anomaly Detection
par: Yuan, Yachao, et autres
Publié: (2024)
par: Yuan, Yachao, et autres
Publié: (2024)
Prior-dependent analysis of posterior sampling reinforcement learning with function approximation
par: Li, Yingru, et autres
Publié: (2024)
par: Li, Yingru, et autres
Publié: (2024)
Open CaptchaWorld: A Comprehensive Web-based Platform for Testing and Benchmarking Multimodal LLM Agents
par: Luo, Yaxin, et autres
Publié: (2025)
par: Luo, Yaxin, et autres
Publié: (2025)
MSDformer: Multi-scale Discrete Transformer For Time Series Generation
par: Feng, Shibo, et autres
Publié: (2025)
par: Feng, Shibo, et autres
Publié: (2025)
Documents similaires
-
Adam Converges Without Any Modification On Update Rules
par: Zhang, Yushun, et autres
Publié: (2026) -
Why Transformers Need Adam: A Hessian Perspective
par: Zhang, Yushun, et autres
Publié: (2024) -
Preserving Diversity in Supervised Fine-Tuning of Large Language Models
par: Li, Ziniu, et autres
Publié: (2024) -
Knapsack RL: Unlocking Exploration of LLMs via Optimizing Budget Allocation
par: Li, Ziniu, et autres
Publié: (2025) -
BiGain: Unified Token Compression for Joint Generation and Classification
par: Liu, Jiacheng, et autres
Publié: (2026)