Buchumschlag

EasySpec: Layer-Parallel Speculative Decoding for Efficient Multi-GPU Utilization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Yize, Gao, Ke, Li, Ling, Wu, Yanjun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning I.2.11
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EvoMAS: Evolutionary Generation of Multi-Agent Systems
von: Hu, Yuntong, et al.
Veröffentlicht: (2026)

Learning To Help: Training Models to Assist Legacy Devices
von: Wu, Yu, et al.
Veröffentlicht: (2024)

ME-IGM: Individual-Global-Max in Maximum Entropy Multi-Agent Reinforcement Learning
von: Chen, Wen-Tse, et al.
Veröffentlicht: (2024)

Knowledge Transfer in Model-Based Reinforcement Learning Agents for Efficient Multi-Task Learning
von: Kuzmenko, Dmytro, et al.
Veröffentlicht: (2025)

Expert-Data Alignment Governs Generation Quality in Decentralized Diffusion Models
von: Villagra, Marcos, et al.
Veröffentlicht: (2026)

Exploring Robust Multi-Agent Workflows for Environmental Data Management
von: Guan, Boyuan, et al.
Veröffentlicht: (2026)

Latent Cache Flow: Model-to-Model Communication Without Text
von: Rossi, Maximillian, et al.
Veröffentlicht: (2026)

FediLoRA: Practical Federated Fine-Tuning of Foundation Models Under Missing-Modality Constraints
von: Yang, Lishan, et al.
Veröffentlicht: (2025)

Post Hoc Extraction of Pareto Fronts for Continuous Control
von: Thakar, Raghav, et al.
Veröffentlicht: (2026)

SPECTra: Scalable Multi-Agent Reinforcement Learning with Permutation-Free Networks
von: Park, Hyunwoo, et al.
Veröffentlicht: (2025)

Extending NGU to Multi-Agent RL: A Preliminary Study
von: Hernandez, Juan, et al.
Veröffentlicht: (2025)

Analysis of Total Variation Minimization for Clustered Federated Learning
von: Jung, A.
Veröffentlicht: (2024)

Evaluating Membership Inference Attacks in heterogeneous-data setups
von: van Dartel, Bram, et al.
Veröffentlicht: (2025)

Towards Federated Multi-Armed Bandit Learning for Content Dissemination using Swarm of UAVs
von: Bhuyan, Amit Kumar, et al.
Veröffentlicht: (2025)

Dual-Gated Epistemic Time-Dilation: Autonomous Compute Modulation in Asynchronous MARL
von: Jankowski, Igor
Veröffentlicht: (2026)

Hiding in Plain Sight: Disguising Data Stealing Attacks in Federated Learning
von: Garov, Kostadin, et al.
Veröffentlicht: (2023)

MOSS: Self-Evolution through Source-Level Rewriting in Autonomous Agent Systems
von: Cai, Qianshu, et al.
Veröffentlicht: (2026)

FedNoisy: Federated Noisy Label Learning Benchmark
von: Liang, Siqi, et al.
Veröffentlicht: (2023)

Top-k Multi-Armed Bandit Learning for Content Dissemination in Swarms of Micro-UAVs
von: Bhuyan, Amit Kumar, et al.
Veröffentlicht: (2024)

Federated Multi-Agent Mapping for Planetary Exploration
von: Szatmari, Tiberiu-Ioan, et al.
Veröffentlicht: (2024)

A Scalable Communication Protocol for Networks of Large Language Models
von: Marro, Samuele, et al.
Veröffentlicht: (2024)

TwinLoop: Simulation-in-the-Loop Digital Twins for Online Multi-Agent Reinforcement Learning
von: Zhang, Nan, et al.
Veröffentlicht: (2026)

pFedDSH: Enabling Knowledge Transfer in Personalized Federated Learning through Data-free Sub-Hypernetwork
von: Nguyen, Thinh, et al.
Veröffentlicht: (2025)

Swarm Learning: A Survey of Concepts, Applications, and Trends
von: Shammar, Elham, et al.
Veröffentlicht: (2024)

Towards Resource-Efficient Multimodal Intelligence: Learned Routing among Specialized Expert Models
von: Saini, Mayank, et al.
Veröffentlicht: (2025)

Graph Attention-based Reinforcement Learning for Trajectory Design and Resource Assignment in Multi-UAV Assisted Communication
von: Feng, Zikai, et al.
Veröffentlicht: (2024)

Rewarding Beliefs, Not Actions: Consistency-Guided Credit Assignment for Long-Horizon Agents
von: Tang, Wenjie, et al.
Veröffentlicht: (2026)

Towards Optimal Heterogeneous Client Sampling in Multi-Model Federated Learning
von: Zhang, Haoran, et al.
Veröffentlicht: (2025)

Individual Contributions as Intrinsic Exploration Scaffolds for Multi-agent Reinforcement Learning
von: Li, Xinran, et al.
Veröffentlicht: (2024)

CRAwDAD: Causal Reasoning Augmentation with Dual-Agent Debate
von: Vamosi, Finn G., et al.
Veröffentlicht: (2025)

MMiC: Mitigating Modality Incompleteness in Clustered Federated Learning
von: Yang, Lishan, et al.
Veröffentlicht: (2025)

MOMA-AC: A preference-driven actor-critic framework for continuous multi-objective multi-agent reinforcement learning
von: Callaghan, Adam, et al.
Veröffentlicht: (2025)

Your Data, My Model: Learning Who Really Helps in Federated Learning
von: Abdurakhmanova, Shamsiiat, et al.
Veröffentlicht: (2024)

When Actions Disappear: Adversarial Action Removal in Self-Play Reinforcement Learning
von: Kujur, Arahan
Veröffentlicht: (2026)

FlowSteer: Towards Agents Designing Agentic Workflows via Reinforced Progressive Canvas Editing
von: Zhang, Mingda, et al.
Veröffentlicht: (2026)

Difference Rewards Policy Gradients
von: Castellini, Jacopo, et al.
Veröffentlicht: (2020)

Towards General Negotiation Strategies with End-to-End Reinforcement Learning
von: Renting, Bram M., et al.
Veröffentlicht: (2024)

Optimally Solving Simultaneous-Move Dec-POMDPs: The Sequential Central Planning Approach
von: Peralez, Johan, et al.
Veröffentlicht: (2024)

Redefining Clustered Federated Learning for System Identification: The Path of ClusterCraft
von: Keçeci, Ertuğrul, et al.
Veröffentlicht: (2025)

Towards Resilient and Autonomous Networks: A BlueSky Vision on AI-Native 6G
von: Wu, Liang, et al.
Veröffentlicht: (2026)