Buchumschlag

On Understanding of the Dynamics of Model Capacity in Continual Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chakraborty, Supriyo, Raghavan, Krishnan
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

Training Dynamics Underlying Language Model Scaling Laws: Loss Deceleration and Zero-Sum Learning
von: Mircea, Andrei, et al.
Veröffentlicht: (2025)

The Impossibility of Inverse Permutation Learning in Transformer Models
von: Alur, Rohan, et al.
Veröffentlicht: (2025)

Optimizing Reasoning Efficiency through Prompt Difficulty Prediction
von: Zhao, Bo, et al.
Veröffentlicht: (2025)

Dense Backpropagation Improves Training for Sparse Mixture-of-Experts
von: Panda, Ashwinee, et al.
Veröffentlicht: (2025)

SPEAR-MM: Selective Parameter Evaluation and Restoration via Model Merging for Efficient Financial LLM Adaptation
von: Kapusuzoglu, Berkcan, et al.
Veröffentlicht: (2025)

Self-Controlled Dynamic Expansion Model for Continual Learning
von: Wu, Runqing, et al.
Veröffentlicht: (2025)

The Effect of Architecture During Continual Learning
von: Hahn, Allyson, et al.
Veröffentlicht: (2026)

Capacity-Constrained Continual Learning
von: Wen, Zheng, et al.
Veröffentlicht: (2025)

LLM Surgery: Efficient Knowledge Unlearning and Editing in Large Language Models
von: Veldanda, Akshaj Kumar, et al.
Veröffentlicht: (2024)

Understanding the Dynamics of Demonstration Conflict in In-Context Learning
von: Jiao, Difan, et al.
Veröffentlicht: (2026)

Understanding the Learning Dynamics of Alignment with Human Feedback
von: Im, Shawn, et al.
Veröffentlicht: (2024)

Learning Regularizers: Learning Optimizers that can Regularize
von: Sahoo, Suraj Kumar, et al.
Veröffentlicht: (2025)

Dynamic Graph Structure Estimation for Learning Multivariate Point Process using Spiking Neural Networks
von: Chakraborty, Biswadeep, et al.
Veröffentlicht: (2025)

Condensation-Concatenation Framework for Dynamic Graph Continual Learning
von: Yan, Tingxu, et al.
Veröffentlicht: (2025)

CLeAN: Continual Learning Adaptive Normalization in Dynamic Environments
von: Marasco, Isabella, et al.
Veröffentlicht: (2026)

An Effective Dynamic Gradient Calibration Method for Continual Learning
von: Lin, Weichen, et al.
Veröffentlicht: (2024)

Calibration of Continual Learning Models
von: Li, Lanpei, et al.
Veröffentlicht: (2024)

Divide And Conquer: Learning Chaotic Dynamical Systems With Multistep Penalty Neural Ordinary Differential Equations
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2024)

SPARC: Subspace-Aware Prompt Adaptation for Robust Continual Learning in LLMs
von: Jayasuriya, Dinithi, et al.
Veröffentlicht: (2025)

DESIRE: Dynamic Knowledge Consolidation for Rehearsal-Free Continual Learning
von: Guo, Haiyang, et al.
Veröffentlicht: (2024)

Continual Learning for Adaptable Car-Following in Dynamic Traffic Environments
von: Chen, Xianda, et al.
Veröffentlicht: (2024)

Information as Structural Alignment: A Dynamical Theory of Continual Learning
von: Negulescu, Radu
Veröffentlicht: (2026)

Understanding Simplicity Bias towards Compositional Mappings via Learning Dynamics
von: Ren, Yi, et al.
Veröffentlicht: (2024)

Learning to Route for Dynamic Adapter Composition in Continual Learning with Language Models
von: Araujo, Vladimir, et al.
Veröffentlicht: (2024)

Recasting Continual Learning as Sequence Modeling
von: Lee, Soochan, et al.
Veröffentlicht: (2023)

Energy-Based Models for Continual Learning
von: Li, Shuang, et al.
Veröffentlicht: (2020)

Measurement Scheduling for ICU Patients with Offline Reinforcement Learning
von: Ji, Zongliang, et al.
Veröffentlicht: (2024)

Noise-Tolerant Coreset-Based Class Incremental Continual Learning
von: Mucllari, Edison, et al.
Veröffentlicht: (2025)

Goal Discovery with Causal Capacity for Efficient Reinforcement Learning
von: Yu, Yan, et al.
Veröffentlicht: (2025)

Learning Dynamics in Continual Pre-Training for Large Language Models
von: Wang, Xingjin, et al.
Veröffentlicht: (2025)

Fast and Featureless Node Representation Learning with Partial Pairwise Supervision
von: Chakraborty, Sujan, et al.
Veröffentlicht: (2026)

Dynamic Continual Learning: Harnessing Parameter Uncertainty for Improved Network Adaptation
von: Angelini, Christopher, et al.
Veröffentlicht: (2025)

Leveraging Parameter Space Symmetries for Reasoning Skill Transfer in LLMs
von: Horoi, Stefan, et al.
Veröffentlicht: (2025)

Is One Layer Enough? Understanding Inference Dynamics in Tabular Foundation Models
von: Balef, Amir Rezaei, et al.
Veröffentlicht: (2026)

Embeddings to Diagnosis: Latent Fragility under Agentic Perturbations in Clinical LLMs
von: Vijayaraj, Raj Krishnan
Veröffentlicht: (2025)

A Dynamical Systems-Inspired Pruning Strategy for Addressing Oversmoothing in Graph Neural Networks
von: Chakraborty, Biswadeep, et al.
Veröffentlicht: (2024)

Pareto Continual Learning: Preference-Conditioned Learning and Adaption for Dynamic Stability-Plasticity Trade-off
von: Lai, Song, et al.
Veröffentlicht: (2025)

On Token's Dilemma: Dynamic MoE with Drift-Aware Token Assignment for Continual Learning of Large Vision Language Models
von: Zhao, Chongyang, et al.
Veröffentlicht: (2026)

STX-Search: Explanation Search for Continuous Dynamic Spatio-Temporal Models
von: Anwar, Saif, et al.
Veröffentlicht: (2025)

ED2: Environment Dynamics Decomposition World Models for Continuous Control
von: Hao, Jianye, et al.
Veröffentlicht: (2021)