Buchumschlag

Comparative Analysis of Efficient Adapter-Based Fine-Tuning of State-of-the-Art Transformer Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Siddiqui, Saad Mashkoor, Sheikh, Mohammad Ali, Aleem, Muhammad, Singh, Kajol R
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Parameter-Efficient Fine-Tuning With Adapters
von: Chen, Keyu, et al.
Veröffentlicht: (2024)

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

Not All Adapters Matter: Selective Adapter Freezing for Memory-Efficient Fine-Tuning of Language Models
von: Son, Hyegang, et al.
Veröffentlicht: (2024)

MoA: Heterogeneous Mixture of Adapters for Parameter-Efficient Fine-Tuning of Large Language Models
von: Cao, Jie, et al.
Veröffentlicht: (2025)

Learning to Prioritize IT Tickets: A Comparative Evaluation of Embedding-based Approaches and Fine-Tuned Transformer Models
von: LÊ, Minh Tri, et al.
Veröffentlicht: (2025)

State of the Art in Text Classification for South Slavic Languages: Fine-Tuning or Prompting?
von: Pungeršek, Taja Kuzman, et al.
Veröffentlicht: (2025)

AdapterSwap: Continuous Training of LLMs with Data Removal and Access-Control Guarantees
von: Fleshman, William, et al.
Veröffentlicht: (2024)

Parameter-Efficient Fine-Tuning for Medical Text Summarization: A Comparative Study of Lora, Prompt Tuning, and Full Fine-Tuning
von: Shernazarov, Ulugbek, et al.
Veröffentlicht: (2026)

How to Tune a Multilingual Encoder Model for Germanic Languages: A Study of PEFT, Full Fine-Tuning, and Language Adapters
von: Oji, Romina, et al.
Veröffentlicht: (2025)

HypeLoRA: Hyper-Network-Generated LoRA Adapters for Calibrated Language Model Fine-Tuning
von: Trojan, Bartosz, et al.
Veröffentlicht: (2026)

BUSTED at AraGenEval Shared Task: A Comparative Study of Transformer-Based Models for Arabic AI-Generated Text Detection
von: Zain, Ali, et al.
Veröffentlicht: (2025)

Parameter-Efficient Fine-Tuning with Discrete Fourier Transform
von: Gao, Ziqi, et al.
Veröffentlicht: (2024)

A Comparative Analysis of Instruction Fine-Tuning LLMs for Financial Text Classification
von: Fatemi, Sorouralsadat, et al.
Veröffentlicht: (2024)

HUT: A More Computation Efficient Fine-Tuning Method With Hadamard Updated Transformation
von: Zhang, Geyuan, et al.
Veröffentlicht: (2024)

Efficient Toxicity Detection in Gaming Chats: A Comparative Study of Embeddings, Fine-Tuned Transformers and LLMs
von: Tereshchenko, Yehor, et al.
Veröffentlicht: (2025)

Detecting AI-Generated Paraphrases in Bengali: A Comparative Study of Zero-Shot and Fine-Tuned Transformers
von: Islam, Md. Rakibul, et al.
Veröffentlicht: (2025)

Reversing Large Language Models for Efficient Training and Fine-Tuning
von: Gal, Eshed, et al.
Veröffentlicht: (2025)

Matrix-Transformation Based Low-Rank Adaptation (MTLoRA): A Brain-Inspired Method for Parameter-Efficient Fine-Tuning
von: Liang, Yao, et al.
Veröffentlicht: (2024)

Solo Connection: A Parameter Efficient Fine-Tuning Technique for Transformers
von: Pathak, Harsh Nilesh, et al.
Veröffentlicht: (2025)

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

Fine-Tuning LLMs for Reliable Medical Question-Answering Services
von: Anaissi, Ali, et al.
Veröffentlicht: (2024)

LlamaFactory: Unified Efficient Fine-Tuning of 100+ Language Models
von: Zheng, Yaowei, et al.
Veröffentlicht: (2024)

Efficient Fine-Tuning of Large Language Models for Automated Medical Documentation
von: Leong, Hui Yi, et al.
Veröffentlicht: (2024)

Optimizing Language Models for Grammatical Acceptability: A Comparative Study of Fine-Tuning Techniques
von: Ratan, Shobhit, et al.
Veröffentlicht: (2025)

Surprising Efficacy of Fine-Tuned Transformers for Fact-Checking over Larger Language Models
von: Setty, Vinay
Veröffentlicht: (2024)

Domain-Adaptation through Synthetic Data: Fine-Tuning Large Language Models for German Law
von: Bashir, Ali Hamza, et al.
Veröffentlicht: (2026)

Comparing LLM and Fine-Tuned Model Performance on NVDRS Circumstance Extraction with Varying Prompt Complexity
von: Martin, Geoffrey, et al.
Veröffentlicht: (2026)

Parameter-Efficient Fine-Tuning of Large Language Models via Deconvolution in Subspace
von: Zhang, Jia-Chen, et al.
Veröffentlicht: (2025)

ELP-Adapters: Parameter Efficient Adapter Tuning for Various Speech Processing Tasks
von: Inoue, Nakamasa, et al.
Veröffentlicht: (2024)

Parameter Efficient Fine Tuning: A Comprehensive Analysis Across Applications
von: Balne, Charith Chandra Sai, et al.
Veröffentlicht: (2024)

Fine-Tuning LLMs for Low-Resource Dialect Translation: The Case of Lebanese
von: Yakhni, Silvana, et al.
Veröffentlicht: (2025)

ClaimIQ at CheckThat! 2025: Comparing Prompted and Fine-Tuned Language Models for Verifying Numerical Claims
von: Anik, Anirban Saha, et al.
Veröffentlicht: (2025)

TACOS: Open Tagging and Comparative Scoring for Instruction Fine-Tuning Data Selection
von: He, Xixiang, et al.
Veröffentlicht: (2025)

Arabic Dialect Classification using RNNs, Transformers, and Large Language Models: A Comparative Analysis
von: Essameldin, Omar A., et al.
Veröffentlicht: (2025)

ShadowPEFT: Shadow Network for Parameter-Efficient Fine-Tuning
von: Li, Xianming, et al.
Veröffentlicht: (2026)

PEFT-U: Parameter-Efficient Fine-Tuning for User Personalization
von: Clarke, Christopher, et al.
Veröffentlicht: (2024)

Crafting Efficient Fine-Tuning Strategies for Large Language Models
von: Oliver, Michael, et al.
Veröffentlicht: (2024)

Fine-Tuning or Retrieval? Comparing Knowledge Injection in LLMs
von: Ovadia, Oded, et al.
Veröffentlicht: (2023)

Personas within Parameters: Fine-Tuning Small Language Models with Low-Rank Adapters to Mimic User Behaviors
von: Thakur, Himanshu, et al.
Veröffentlicht: (2025)

Comparative Analysis of 47 Context-Based Question Answer Models Across 8 Diverse Datasets
von: Muneeb, Muhammad, et al.
Veröffentlicht: (2025)