Buchumschlag

DYNAMAX: Dynamic computing for Transformers and Mamba based architectures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nogales, Miguel, Gambella, Matteo, Roveri, Manuel
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning 68T50 (Primary), 68T07 (Secondary)
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Parameter-Efficient Transformer Embeddings
von: Ndubuaku, Henry, et al.
Veröffentlicht: (2025)

Smoothed Embeddings for Robust Language Models
von: Hase, Ryo, et al.
Veröffentlicht: (2025)

Empirical analysis of binding precedent efficiency in Brazilian Supreme Court via case classification
von: Tinarrage, Raphaël, et al.
Veröffentlicht: (2024)

Atyaephyra at SemEval-2025 Task 4: Low-Rank Negative Preference Optimization
von: Bronec, Jan, et al.
Veröffentlicht: (2025)

A Comprehensive Survey of Small Language Models in the Era of Large Language Models: Techniques, Enhancements, Applications, Collaboration with LLMs, and Trustworthiness
von: Wang, Fali, et al.
Veröffentlicht: (2024)

SEAL: Searching Expandable Architectures for Incremental Learning
von: Gambella, Matteo, et al.
Veröffentlicht: (2025)

Bridging the Language Gap: Enhancing Multilingual Prompt-Based Code Generation in LLMs via Zero-Shot Cross-Lingual Transfer
von: Li, Mingda, et al.
Veröffentlicht: (2024)

A Survey on Collaborating Small and Large Language Models for Performance, Cost-effectiveness, Cloud-edge Privacy, and Trustworthiness
von: Wang, Fali, et al.
Veröffentlicht: (2025)

Evaluating Embedding Generalization: How LLMs, LoRA, and SLERP Shape Representational Geometry
von: Kabane, Siyaxolisa
Veröffentlicht: (2025)

Uncovering Uncertainty in Transformer Inference
von: Brothers, Greyson, et al.
Veröffentlicht: (2024)

A Language Model-Driven Semi-Supervised Ensemble Framework for Illicit Market Detection Across Deep/Dark Web and Social Platforms
von: Yazdanjue, Navid, et al.
Veröffentlicht: (2025)

InhibiDistilbert: Knowledge Distillation for a ReLU and Addition-based Transformer
von: Zhang, Tony, et al.
Veröffentlicht: (2025)

OptPO: Optimal Rollout Allocation for Test-time Policy Optimization
von: Wang, Youkang, et al.
Veröffentlicht: (2025)

Research on a hybrid LSTM-CNN-Attention model for text-based web content classification
von: Kuz, Mykola, et al.
Veröffentlicht: (2025)

GraphSkill: Documentation-Guided Hierarchical Retrieval-Augmented Coding for Complex Graph Reasoning
von: Wang, Fali, et al.
Veröffentlicht: (2026)

Graph Neural Networks for Brain Graph Learning: A Survey
von: Luo, Xuexiong, et al.
Veröffentlicht: (2024)

Do Reasoning Models Enhance Embedding Models?
von: Chan, Wun Yu, et al.
Veröffentlicht: (2026)

Linguistic Collapse: Neural Collapse in (Large) Language Models
von: Wu, Robert, et al.
Veröffentlicht: (2024)

AI in Investment Analysis: LLMs for Equity Stock Ratings
von: Papasotiriou, Kassiani, et al.
Veröffentlicht: (2024)

Quantum NLP models on Natural Language Inference
von: Sun, Ling, et al.
Veröffentlicht: (2025)

Semantic Retention and Extreme Compression in LLMs: Can We Have Both?
von: Laborde, Stanislas, et al.
Veröffentlicht: (2025)

Understanding the geometry of deep learning with decision boundary volume
von: Burfitt, Matthew, et al.
Veröffentlicht: (2026)

OPENXRD: A Comprehensive Benchmark Framework for LLM/MLLM XRD Question Answering
von: Vosoughi, Ali, et al.
Veröffentlicht: (2025)

Pay Attention to What You Need
von: Gao, Yifei, et al.
Veröffentlicht: (2023)

Uncertainty Estimation and Quantification for LLMs: A Simple Supervised Approach
von: Liu, Linyu, et al.
Veröffentlicht: (2024)

HERCULES: Hardware-Efficient, Robust, Continual Learning Neural Architecture Search
von: Gambella, Matteo, et al.
Veröffentlicht: (2026)

FedUNet: A Lightweight Additive U-Net Module for Federated Learning with Heterogeneous Models
von: Seo, Beomseok, et al.
Veröffentlicht: (2025)

Logistic Regression makes small LLMs strong and explainable "tens-of-shot" classifiers
von: Buckmann, Marcus, et al.
Veröffentlicht: (2024)

Generative AI Models: Opportunities and Risks for Industry and Authorities
von: Alt, Tobias, et al.
Veröffentlicht: (2024)

Overcoming Catastrophic Forgetting in Federated Class-Incremental Learning via Federated Global Twin Generator
von: Nguyen, Thinh, et al.
Veröffentlicht: (2024)

CogniLoad: A Synthetic Natural Language Reasoning Benchmark With Tunable Length, Intrinsic Difficulty, and Distractor Density
von: Kaiser, Daniel, et al.
Veröffentlicht: (2025)

Investigating Neuron Ablation in Attention Heads: The Case for Peak Activation Centering
von: Pochinkov, Nicholas, et al.
Veröffentlicht: (2024)

Attention Maps in 3D Shape Classification for Dental Stage Estimation with Class Node Graph Attention Networks
von: Buyukcakir, Barkin, et al.
Veröffentlicht: (2025)

Model Surgery: Modulating LLM's Behavior Via Simple Parameter Editing
von: Wang, Huanqian, et al.
Veröffentlicht: (2024)

FoundationalECGNet: A Lightweight Foundational Model for ECG-based Multitask Cardiac Analysis
von: Sk., Md. Sajeebul Islam, et al.
Veröffentlicht: (2025)

Forging GEMs: Advancing Greek NLP through Quality-Based Corpus Curation
von: Apostolopoulou, Alexandra, et al.
Veröffentlicht: (2025)

DanceHA: A Multi-Agent Framework for Document-Level Aspect-Based Sentiment Analysis
von: Wang, Lei, et al.
Veröffentlicht: (2026)

Handling Out-of-Distribution Data: A Survey
von: Tamang, Lakpa, et al.
Veröffentlicht: (2025)

On Memory: A comparison of memory mechanisms in world models
von: Laird, Eli J., et al.
Veröffentlicht: (2025)

Symbolic Branch Networks: Tree-Inherited Neural Models for Interpretable Multiclass Classification
von: Rodríguez-Salas, Dalia
Veröffentlicht: (2025)