DeToNATION: Decoupled Torch Network-Aware Training on Interlinked Online Nodes
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | From, Mogens Henrik, Nielsen, Jacob, Poech, Lukas Galke, Schneider-Kamp, Peter |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
FlexMoRE: A Flexible Mixture of Rank-heterogeneous Experts for Efficient Federatedly-trained Large Language Models
par: Pirchert, Annemette Brok, et autres
Publié: (2026)
par: Pirchert, Annemette Brok, et autres
Publié: (2026)
Continual Quantization-Aware Pre-Training: When to transition from 16-bit to 1.58-bit pre-training for BitNet language models?
par: Nielsen, Jacob, et autres
Publié: (2025)
par: Nielsen, Jacob, et autres
Publié: (2025)
SDUs DAISY: A Benchmark for Danish Culture
par: Nielsen, Jacob, et autres
Publié: (2026)
par: Nielsen, Jacob, et autres
Publié: (2026)
Confidence and Calibration of Activation Oracles for Reliable Interpretation of Language Model Internals
par: Torrielli, Federico, et autres
Publié: (2026)
par: Torrielli, Federico, et autres
Publié: (2026)
BitNet b1.58 Reloaded: State-of-the-art Performance Also on Smaller Networks
par: Nielsen, Jacob, et autres
Publié: (2024)
par: Nielsen, Jacob, et autres
Publié: (2024)
When are 1.58 bits enough? A Bottom-up Exploration of BitNet Quantization
par: Nielsen, Jacob, et autres
Publié: (2024)
par: Nielsen, Jacob, et autres
Publié: (2024)
Training Language Models to Use Prolog as a Tool
par: Mellgren, Niklas, et autres
Publié: (2025)
par: Mellgren, Niklas, et autres
Publié: (2025)
Emergent Languages in Populations of Language Model Agents: From Token Efficiency to Oversight Evasion
par: Beltoft, Stine Lyngsø, et autres
Publié: (2026)
par: Beltoft, Stine Lyngsø, et autres
Publié: (2026)
Chain of Summaries: Summarization Through Iterative Questioning
par: Brach, William, et autres
Publié: (2025)
par: Brach, William, et autres
Publié: (2025)
The Moltbook Files: A Harmless Slopocalypse or Humanity's Last Experiment
par: Brach, William, et autres
Publié: (2026)
par: Brach, William, et autres
Publié: (2026)
SommBench: Assessing Sommelier Expertise of Language Models
par: Brach, William, et autres
Publié: (2026)
par: Brach, William, et autres
Publié: (2026)
Encoder vs Decoder: Comparative Analysis of Encoder and Decoder Language Models on Multilingual NLU Tasks
par: Nielsen, Dan Saattrup, et autres
Publié: (2024)
par: Nielsen, Dan Saattrup, et autres
Publié: (2024)
DaLA: Danish Linguistic Acceptability Evaluation Guided by Real World Errors
par: Barmina, Gianluca, et autres
Publié: (2025)
par: Barmina, Gianluca, et autres
Publié: (2025)
Isolating Culture Neurons in Multilingual Large Language Models
par: Namazifard, Danial, et autres
Publié: (2025)
par: Namazifard, Danial, et autres
Publié: (2025)
Modality-Decoupled Online Recursive Editing
par: Li, Siyuan, et autres
Publié: (2026)
par: Li, Siyuan, et autres
Publié: (2026)
Randomized PCA Forest for Unsupervised Outlier Detection
par: Rajabinasab, Muhammad, et autres
Publié: (2025)
par: Rajabinasab, Muhammad, et autres
Publié: (2025)
Decoupled Graph Energy-based Model for Node Out-of-Distribution Detection on Heterophilic Graphs
par: Chen, Yuhan, et autres
Publié: (2025)
par: Chen, Yuhan, et autres
Publié: (2025)
DeMo: Decoupled Momentum Optimization
par: Peng, Bowen, et autres
Publié: (2024)
par: Peng, Bowen, et autres
Publié: (2024)
Bounding the Expected Robustness of Graph Neural Networks Subject to Node Feature Attacks
par: Abbahaddou, Yassine, et autres
Publié: (2024)
par: Abbahaddou, Yassine, et autres
Publié: (2024)
SCPL: Enhancing Neural Network Training Throughput with Decoupled Local Losses and Model Parallelism
par: Ho, Ming-Yao, et autres
Publié: (2026)
par: Ho, Ming-Yao, et autres
Publié: (2026)
Decouple Graph Neural Networks: Train Multiple Simple GNNs Simultaneously Instead of One
par: Zhang, Hongyuan, et autres
Publié: (2023)
par: Zhang, Hongyuan, et autres
Publié: (2023)
torchtune: PyTorch native post-training library
par: Obozov, Mark, et autres
Publié: (2026)
par: Obozov, Mark, et autres
Publié: (2026)
Decoupling Search and Learning in Neural Net Training
par: Vegesna, Akshay, et autres
Publié: (2025)
par: Vegesna, Akshay, et autres
Publié: (2025)
Torch-Uncertainty: A Deep Learning Framework for Uncertainty Quantification
par: Lafage, Adrien, et autres
Publié: (2025)
par: Lafage, Adrien, et autres
Publié: (2025)
Learning Bug Context for PyTorch-to-JAX Translation with LLMs
par: Phan, Hung, et autres
Publié: (2025)
par: Phan, Hung, et autres
Publié: (2025)
TorchGT: A Holistic System for Large-scale Graph Transformer Training
par: Zhang, Meng, et autres
Publié: (2024)
par: Zhang, Meng, et autres
Publié: (2024)
One Node Per User: Node-Level Federated Learning for Graph Neural Networks
par: Gao, Zhidong, et autres
Publié: (2024)
par: Gao, Zhidong, et autres
Publié: (2024)
SortedRL: Accelerating RL Training for LLMs through Online Length-Aware Scheduling
par: Zhang, Yiqi, et autres
Publié: (2026)
par: Zhang, Yiqi, et autres
Publié: (2026)
Improving Node Representation by Boosting Target-Aware Contrastive Loss
par: Lin, Ying-Chun, et autres
Publié: (2024)
par: Lin, Ying-Chun, et autres
Publié: (2024)
Online Training and Pruning of Deep Reinforcement Learning Networks
par: Guenter, Valentin Frank Ingmar, et autres
Publié: (2025)
par: Guenter, Valentin Frank Ingmar, et autres
Publié: (2025)
TiledAttention: a CUDA Tile SDPA Kernel for PyTorch
par: Khan, Taimur
Publié: (2026)
par: Khan, Taimur
Publié: (2026)
POWN: Prototypical Open-World Node Classification
par: Hoffmann, Marcel, et autres
Publié: (2024)
par: Hoffmann, Marcel, et autres
Publié: (2024)
DeInfoReg: A Decoupled Learning Framework for Better Training Throughput
par: Huang, Zih-Hao, et autres
Publié: (2025)
par: Huang, Zih-Hao, et autres
Publié: (2025)
GLAI: GreenLightningAI for Accelerated Training through Knowledge Decoupling
par: Mestre, Jose I., et autres
Publié: (2025)
par: Mestre, Jose I., et autres
Publié: (2025)
Grouter: Decoupling Routing from Representation for Accelerated MoE Training
par: Xu, Yuqi, et autres
Publié: (2026)
par: Xu, Yuqi, et autres
Publié: (2026)
On the Utilization of Unique Node Identifiers in Graph Neural Networks
par: Bechler-Speicher, Maya, et autres
Publié: (2024)
par: Bechler-Speicher, Maya, et autres
Publié: (2024)
Parallelizing Node-Level Explainability in Graph Neural Networks
par: Llorente, Oscar, et autres
Publié: (2026)
par: Llorente, Oscar, et autres
Publié: (2026)
Explaining Graph Neural Networks for Node Similarity on Graphs
par: Daza, Daniel, et autres
Publié: (2024)
par: Daza, Daniel, et autres
Publié: (2024)
Learning to Detect Critical Nodes in Sparse Graphs via Feature Importance Awareness
par: Tan, Xuwei, et autres
Publié: (2021)
par: Tan, Xuwei, et autres
Publié: (2021)
HAT-CL: A Hard-Attention-to-the-Task PyTorch Library for Continual Learning
par: Duan, Xiaotian
Publié: (2023)
par: Duan, Xiaotian
Publié: (2023)
Documents similaires
-
FlexMoRE: A Flexible Mixture of Rank-heterogeneous Experts for Efficient Federatedly-trained Large Language Models
par: Pirchert, Annemette Brok, et autres
Publié: (2026) -
Continual Quantization-Aware Pre-Training: When to transition from 16-bit to 1.58-bit pre-training for BitNet language models?
par: Nielsen, Jacob, et autres
Publié: (2025) -
SDUs DAISY: A Benchmark for Danish Culture
par: Nielsen, Jacob, et autres
Publié: (2026) -
Confidence and Calibration of Activation Oracles for Reliable Interpretation of Language Model Internals
par: Torrielli, Federico, et autres
Publié: (2026) -
BitNet b1.58 Reloaded: State-of-the-art Performance Also on Smaller Networks
par: Nielsen, Jacob, et autres
Publié: (2024)