Buchumschlag

Optimisation Is Not What You Need

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ibias, Alfredo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Knowledge Discovery using Unsupervised Cognition
von: Ibias, Alfredo, et al.
Veröffentlicht: (2024)

Attention Is Not What You Need
von: Chong, Zhang
Veröffentlicht: (2025)

Improving Noise Robustness through Abstractions and its Impact on Machine Learning
von: Ibias, Alfredo, et al.
Veröffentlicht: (2024)

Unsupervised Cognition
von: Ibias, Alfredo, et al.
Veröffentlicht: (2024)

More Compute Is What You Need
von: Guo, Zhen
Veröffentlicht: (2024)

Beating Transformers using Synthetic Cognition
von: Ibias, Alfredo, et al.
Veröffentlicht: (2025)

Attention is All You Need Until You Need Retention
von: Yaslioglu, M. Murat
Veröffentlicht: (2025)

Context is All You Need
von: Delanois, Jean Erik, et al.
Veröffentlicht: (2026)

Exploitation Is All You Need... for Exploration
von: Rentschler, Micah, et al.
Veröffentlicht: (2025)

All You Need Is Synthetic Task Augmentation
von: Godin, Guillaume
Veröffentlicht: (2025)

Element-wise Attention Is All You Need
von: Feng, Guoxin
Veröffentlicht: (2025)

Transduction is All You Need for Structured Data Workflows
von: Gliozzo, Alfio, et al.
Veröffentlicht: (2025)

You Need an Encoder for Native Position-Independent Caching
von: Zhao, Shiju, et al.
Veröffentlicht: (2026)

Capabilities Ain't All You Need: Measuring Propensities in AI
von: Romero-Alvarado, Daniel, et al.
Veröffentlicht: (2026)

HDL-GPT: High-Quality HDL is All You Need
von: Kumar, Bhuvnesh, et al.
Veröffentlicht: (2024)

What Can You Do When You Have Zero Rewards During RL?
von: Prakash, Jatin, et al.
Veröffentlicht: (2025)

TransMLA: Multi-Head Latent Attention Is All You Need
von: Meng, Fanxu, et al.
Veröffentlicht: (2025)

Context-Selective State Space Models: Feedback is All You Need
von: Zattra, Riccardo, et al.
Veröffentlicht: (2025)

Efficient Deep Learning Board: Training Feedback Is Not All You Need
von: Gong, Lina, et al.
Veröffentlicht: (2024)

No More Adam: Learning Rate Scaling at Initialization is All You Need
von: Xu, Minghao, et al.
Veröffentlicht: (2024)

Cross-Entropy Is All You Need To Invert the Data Generating Process
von: Reizinger, Patrik, et al.
Veröffentlicht: (2024)

More Agents Is All You Need
von: Li, Junyou, et al.
Veröffentlicht: (2024)

What LLMs Think When You Don't Tell Them What to Think About?
von: Kwon, Yongchan, et al.
Veröffentlicht: (2026)

Is Diversity All You Need for Scalable Robotic Manipulation?
von: Shi, Modi, et al.
Veröffentlicht: (2025)

Cooperation Is All You Need
von: Adeel, Ahsan, et al.
Veröffentlicht: (2023)

Choice of PEFT Technique in Continual Learning: Prompt Tuning is Not All You Need
von: Wistuba, Martin, et al.
Veröffentlicht: (2024)

mHC-lite: You Don't Need 20 Sinkhorn-Knopp Iterations
von: Yang, Yongyi, et al.
Veröffentlicht: (2026)

Dying Clusters Is All You Need -- Deep Clustering With an Unknown Number of Clusters
von: Leiber, Collin, et al.
Veröffentlicht: (2024)

The Residual Stream Is All You Need: On the Redundancy of the KV Cache in Transformer Inference
von: Qasim, Kaleem Ullah, et al.
Veröffentlicht: (2026)

Is Exploration All You Need? Effective Exploration Characteristics for Transfer in Reinforcement Learning
von: Balloch, Jonathan C., et al.
Veröffentlicht: (2024)

What You See Is Not Always What You Get: Evaluating GPT's Comprehension of Source Code
von: Wen, Jiawen, et al.
Veröffentlicht: (2024)

Tensor Product Attention Is All You Need
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

Confidence Is All You Need for MI Attacks
von: Sinha, Abhishek, et al.
Veröffentlicht: (2023)

Attention Smoothing Is All You Need For Unlearning
von: Zade, Saleh Zare, et al.
Veröffentlicht: (2026)

Procedural Memory Is Not All You Need: Bridging Cognitive Gaps in LLM-Based Agents
von: Wheeler, Schaun, et al.
Veröffentlicht: (2025)

Small Graph Is All You Need: DeepStateGNN for Scalable Traffic Forecasting
von: Wölker, Yannick, et al.
Veröffentlicht: (2025)

OffSeeker: Online Reinforcement Learning Is Not All You Need for Deep Research Agents
von: Zhou, Yuhang, et al.
Veröffentlicht: (2026)

One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation
von: Fu, Yiwei, et al.
Veröffentlicht: (2024)

xAI-Drop: Don't Use What You Cannot Explain
von: De Luca, Vincenzo Marco, et al.
Veröffentlicht: (2024)

Not All Attention Heads Are What You Need: Refining CLIP's Image Representation with Attention Ablation
von: Lin, Feng, et al.
Veröffentlicht: (2025)