Copertina

A Survey on Parameter-Efficient Fine-Tuning for Foundation Models in Federated Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Bian, Jieming, Peng, Yuanzhe, Wang, Lei, Huang, Yin, Xu, Jie
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Multimodal Federated Learning: A Survey through the Lens of Different FL Paradigms
di: Peng, Yuanzhe, et al.
Pubblicazione: (2025)

FedTreeLoRA: Reconciling Statistical and Functional Heterogeneity in Federated LoRA Fine-Tuning
di: Bian, Jieming, et al.
Pubblicazione: (2026)

FedALT: Federated Fine-Tuning through Adaptive Local Training with Rest-of-World LoRA
di: Bian, Jieming, et al.
Pubblicazione: (2025)

Accelerating Asynchronous Federated Learning Convergence via Opportunistic Mobile Relaying
di: Bian, Jieming, et al.
Pubblicazione: (2022)

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

FedEL: Federated Elastic Learning for Heterogeneous Devices
di: Zhang, Letian, et al.
Pubblicazione: (2025)

Parameter-Efficient Continual Fine-Tuning: A Survey
di: Coleman, Eric Nuertey, et al.
Pubblicazione: (2025)

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

Parameter-Efficient Fine-Tuning in Large Models: A Survey of Methodologies
di: Wang, Luping, et al.
Pubblicazione: (2024)

Adaptive LoRA Experts Allocation and Selection for Federated Fine-Tuning
di: Wang, Lei, et al.
Pubblicazione: (2025)

Automated Federated Pipeline for Parameter-Efficient Fine-Tuning of Large Language Models
di: Fang, Zihan, et al.
Pubblicazione: (2024)

Echo-LoRA: Parameter-Efficient Fine-Tuning via Cross-Layer Representation Injection
di: Peng, Yihang, et al.
Pubblicazione: (2026)

Graph Adapter of EEG Foundation Models for Parameter Efficient Fine Tuning
di: Suzumura, Toyotaro, et al.
Pubblicazione: (2024)

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

GateRA: Token-Aware Modulation for Parameter-Efficient Fine-Tuning
di: Ou, Jie, et al.
Pubblicazione: (2025)

FedSelect: Personalized Federated Learning with Customized Selection of Parameters for Fine-Tuning
di: Tamirisa, Rishub, et al.
Pubblicazione: (2024)

LoRA-FAIR: Federated LoRA Fine-Tuning with Aggregation and Initialization Refinement
di: Bian, Jieming, et al.
Pubblicazione: (2024)

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

ARD-LoRA: Dynamic Rank Allocation for Parameter-Efficient Fine-Tuning of Foundation Models with Heterogeneous Adaptation Needs
di: Shinwari, Haseeb Ullah Khan, et al.
Pubblicazione: (2025)

Understanding and Guiding Layer Placement in Parameter-Efficient Fine-Tuning of Large Language Models
di: Xu, Yichen, et al.
Pubblicazione: (2026)

FedSelect: Customized Selection of Parameters for Fine-Tuning during Personalized Federated Learning
di: Tamirisa, Rishub, et al.
Pubblicazione: (2023)

Synergizing Foundation Models and Federated Learning: A Survey
di: Li, Shenghui, et al.
Pubblicazione: (2024)

PERFT: Parameter-Efficient Routed Fine-Tuning for Mixture-of-Expert Model
di: Liu, Yilun, et al.
Pubblicazione: (2024)

TuckA: Hierarchical Compact Tensor Experts for Efficient Fine-Tuning
di: Lei, Qifeng, et al.
Pubblicazione: (2025)

Quaff: Quantized Parameter-Efficient Fine-Tuning under Outlier Spatial Stability Hypothesis
di: Huang, Hong, et al.
Pubblicazione: (2025)

Parameter-Efficient Fine-Tuning for Continual Learning: A Neural Tangent Kernel Perspective
di: Liu, Jingren, et al.
Pubblicazione: (2024)

Plug-and-Play Parameter-Efficient Tuning of Embeddings for Federated Recommendation
di: Yuan, Haochen, et al.
Pubblicazione: (2025)

LoCA: Location-Aware Cosine Adaptation for Parameter-Efficient Fine-Tuning
di: Du, Zhekai, et al.
Pubblicazione: (2025)

Federated Generative Learning with Foundation Models
di: Zhang, Jie, et al.
Pubblicazione: (2023)

A Bayesian Hybrid Parameter-Efficient Fine-Tuning Method for Large Language Models
di: Chai, Yidong, et al.
Pubblicazione: (2025)

FFT-MoE: Efficient Federated Fine-Tuning for Foundation Models via Large-scale Sparse MoE under Heterogeneous Edge
di: Hu, Gang, et al.
Pubblicazione: (2025)

Enhancing Data Quality in Federated Fine-Tuning of Foundation Models
di: Zhao, Wanru, et al.
Pubblicazione: (2024)

$\texttt{MiniMol}$: A Parameter-Efficient Foundation Model for Molecular Learning
di: Kläser, Kerstin, et al.
Pubblicazione: (2024)

Implicit Federated In-context Learning For Task-Specific LLM Fine-Tuning
di: Li, Dongcheng, et al.
Pubblicazione: (2025)

Task-Aware Parameter-Efficient Fine-Tuning of Large Pre-Trained Models at the Edge
di: Hu, Senkang, et al.
Pubblicazione: (2025)

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

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

Fine-Tuning Diffusion Models for Molecular Generation via Reinforcement Learning and Fast Sampling
di: Lin, Guang, et al.
Pubblicazione: (2026)

PiCa: Parameter-Efficient Fine-Tuning with Column Space Projection
di: Hwang, Junseo, et al.
Pubblicazione: (2025)

From LLMs to Edge: Parameter-Efficient Fine-Tuning on Edge Devices
di: Slamanig, Georg, et al.
Pubblicazione: (2025)