:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Korkmaz, Buse Sibel, Nair, Rahul, Daly, Elizabeth M., Anagnostopoulos, Evangelos, Varytimidis, Christos, Chanona, Antonio del Rio
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2501.07324
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Paying Alignment Tax with Contrastive Learning
von: Korkmaz, Buse Sibel, et al.
Veröffentlicht: (2025)

Humble AI in the real-world: the case of algorithmic hiring
von: Nair, Rahul, et al.
Veröffentlicht: (2025)

A Representation-Level Assessment of Bias Mitigation in Foundation Models
von: Nizhnichenkov, Svetoslav, et al.
Veröffentlicht: (2026)

Human-Algorithm Collaborative Bayesian Optimization for Engineering Systems
von: Savage, Tom, et al.
Veröffentlicht: (2024)

Learning with Embedded Linear Equality Constraints via Variational Bayesian Inference
von: Marsh, Matthew, et al.
Veröffentlicht: (2026)

Ranking Large Language Models without Ground Truth
von: Dhurandhar, Amit, et al.
Veröffentlicht: (2024)

Autonomous Reality Modelling for Cultural Heritage Sites employing cooperative quadrupedal robots and unmanned aerial vehicles
von: Giakoumidis, Nikolaos, et al.
Veröffentlicht: (2024)

SoDaDE: Solvent Data-Driven Embeddings with Small Transformer Models
von: Gibberd, Gabriel Kitso, et al.
Veröffentlicht: (2025)

Remixing Music for Hearing Aids Using Ensemble of Fine-Tuned Source Separators
von: Daly, Matthew
Veröffentlicht: (2024)

Max-Utility Based Arm Selection Strategy For Sequential Query Recommendations
von: Parambath, Shameem A. Puthiya, et al.
Veröffentlicht: (2021)

Shapelets-Enriched Selective Forecasting using Time Series Foundation Models
von: Tomar, Shivani, et al.
Veröffentlicht: (2026)

Exploring Fine-Tuning for Tabular Foundation Models
von: Tanna, Aditya, et al.
Veröffentlicht: (2026)

AIM-Fair: Advancing Algorithmic Fairness via Selectively Fine-Tuning Biased Models with Contextual Synthetic Data
von: Zhao, Zengqun, et al.
Veröffentlicht: (2025)

Iterative Foundation Model Fine-Tuning on Multiple Rewards
von: Ghari, Pouya M., et al.
Veröffentlicht: (2025)

Decentralized Personalized Federated Learning based on a Conditional Sparse-to-Sparser Scheme
von: Long, Qianyu, et al.
Veröffentlicht: (2024)

Parameter-Efficient Fine-Tuning for Foundation Models
von: Zhang, Dan, et al.
Veröffentlicht: (2025)

Improving Sequential Query Recommendation with Immediate User Feedback
von: Parambath, Shameem A Puthiya, et al.
Veröffentlicht: (2022)

Applying Multi-Fidelity Bayesian Optimization in Chemistry: Open Challenges and Major Considerations
von: Judge, Edmund, et al.
Veröffentlicht: (2024)

Synthetic CVs To Build and Test Fairness-Aware Hiring Tools
von: Saldivar, Jorge, et al.
Veröffentlicht: (2025)

H2Tune: Federated Foundation Model Fine-Tuning with Hybrid Heterogeneity
von: Guo, Wei, et al.
Veröffentlicht: (2025)

Erasing the Bias: Fine-Tuning Foundation Models for Semi-Supervised Learning
von: Gan, Kai, et al.
Veröffentlicht: (2024)

Task-Adaptive Parameter-Efficient Fine-Tuning for Weather Foundation Models
von: Cao, Shilei, et al.
Veröffentlicht: (2025)

Causal Data Augmentation for Robust Fine-Tuning of Tabular Foundation Models
von: Bühler, Magnus, et al.
Veröffentlicht: (2026)

STaRFormer: Semi-Supervised Task-Informed Representation Learning via Dynamic Attention-Based Regional Masking for Sequential Data
von: Forstenhäusler, Maximilian, et al.
Veröffentlicht: (2025)

Strategic Hiring under Algorithmic Monoculture
von: Baek, Jackie, et al.
Veröffentlicht: (2025)

FedPFT: Federated Proxy Fine-Tuning of Foundation Models
von: Peng, Zhaopeng, et al.
Veröffentlicht: (2024)

Domain-Aware Fine-Tuning of Foundation Models
von: Kaplan, Ugur Ali, et al.
Veröffentlicht: (2024)

Holistic Bioprocess Development Across Scales Using Multi-Fidelity Batch Bayesian Optimization
von: Martens, Adrian, et al.
Veröffentlicht: (2025)

In-Context Fine-Tuning for Time-Series Foundation Models
von: Das, Abhimanyu, et al.
Veröffentlicht: (2024)

TabTune: A Unified Library for Inference and Fine-Tuning Tabular Foundation Models
von: Tanna, Aditya, et al.
Veröffentlicht: (2025)

A Guide to Bayesian Optimization in Bioprocess Engineering
von: Siska, Maximilian, et al.
Veröffentlicht: (2025)

bioLeak: Leakage-Aware Modeling and Diagnostics for Machine Learning in R
von: Korkmaz, Selçuk
Veröffentlicht: (2026)

TuneComp: Joint Fine-tuning and Compression for Large Foundation Models
von: Chen, Xiangyu, et al.
Veröffentlicht: (2025)

ABBA-Adapters: Efficient and Expressive Fine-Tuning of Foundation Models
von: Singhal, Raghav, et al.
Veröffentlicht: (2025)

Riemannian Preconditioned LoRA for Fine-Tuning Foundation Models
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2024)

A Trustworthy By Design Classification Model for Building Energy Retrofit Decision Support
von: Rempi, Panagiota, et al.
Veröffentlicht: (2025)

Modular Multimodal Classification Without Fine-Tuning: A Simple Compositional Approach
von: Bergström, Herman, et al.
Veröffentlicht: (2026)

DARE the Extreme: Revisiting Delta-Parameter Pruning For Fine-Tuned Models
von: Deng, Wenlong, et al.
Veröffentlicht: (2024)

Fairness-Aware Fine-Tuning of Vision-Language Models for Medical Glaucoma Diagnosis
von: Gu, Zijian, et al.
Veröffentlicht: (2025)

A Stronger Mixture of Low-Rank Experts for Fine-Tuning Foundation Models
von: Sun, Mengyang, et al.
Veröffentlicht: (2025)