:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Lee, Sangjun, Woo, Seung-taek, Jin, Jungyu, Lee, Changhun, Park, Eunhyeok
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence Computation and Language
Accesso online:	https://arxiv.org/abs/2509.12019
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

OWQ: Outlier-Aware Weight Quantization for Efficient Fine-Tuning and Inference of Large Language Models
di: Lee, Changhun, et al.
Pubblicazione: (2023)

PruneCD: Contrasting Pruned Self Model to Improve Decoding Factuality
di: Yu, Byeongho, et al.
Pubblicazione: (2025)

QEFT: Quantization for Efficient Fine-Tuning of LLMs
di: Lee, Changhun, et al.
Pubblicazione: (2024)

SEAL: Scaling to Emphasize Attention for Long-Context Retrieval
di: Lee, Changhun, et al.
Pubblicazione: (2025)

ZeroML: A Next Generation AutoML Language
di: Mahmud, Monirul Islam
Pubblicazione: (2025)

AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML
di: Trirat, Patara, et al.
Pubblicazione: (2024)

HOT: Hadamard-based Optimized Training
di: Kim, Seonggon, et al.
Pubblicazione: (2025)

UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models
di: Guo, Jiayi, et al.
Pubblicazione: (2024)

ROSAQ: Rotation-based Saliency-Aware Weight Quantization for Efficiently Compressing Large Language Models
di: Yoon, Junho, et al.
Pubblicazione: (2025)

AutoML-guided Fusion of Entity and LLM-based Representations for Document Classification
di: Koloski, Boshko, et al.
Pubblicazione: (2024)

NNGPT: Rethinking AutoML with Large Language Models
di: Kochnev, Roman, et al.
Pubblicazione: (2025)

AutoIntent: AutoML for Text Classification
di: Alekseev, Ilya, et al.
Pubblicazione: (2025)

PTQ4VM: Post-Training Quantization for Visual Mamba
di: Cho, Younghyun, et al.
Pubblicazione: (2024)

AutoML in the Age of Large Language Models: Current Challenges, Future Opportunities and Risks
di: Tornede, Alexander, et al.
Pubblicazione: (2023)

ML2B: Multi-Lingual ML Benchmark For AutoML
di: Trofimova, Ekaterina, et al.
Pubblicazione: (2025)

Efficient Latent Semantic Clustering for Scaling Test-Time Computation of LLMs
di: Lee, Sungjae, et al.
Pubblicazione: (2025)

Enhancing Robustness of Retrieval-Augmented Language Models with In-Context Learning
di: Park, Seong-Il, et al.
Pubblicazione: (2024)

AutoML Systems For Medical Imaging
di: Jidney, Tasmia Tahmida, et al.
Pubblicazione: (2023)

Finding Answers in Thought Matters: Revisiting Evaluation on Large Language Models with Reasoning
di: Jo, Hwiyeol, et al.
Pubblicazione: (2025)

Problem-oriented AutoML in Clustering
di: da Silva, Matheus Camilo, et al.
Pubblicazione: (2024)

OpenAutoNLU: Open Source AutoML Library for NLU
di: Arshinov, Grigory, et al.
Pubblicazione: (2026)

Calibrating Large Language Models Using Their Generations Only
di: Ulmer, Dennis, et al.
Pubblicazione: (2024)

AutoMix: Automatically Mixing Language Models
di: Aggarwal, Pranjal, et al.
Pubblicazione: (2023)

AI-based Classification of Customer Support Tickets: State of the Art and Implementation with AutoML
di: Truss, Mario, et al.
Pubblicazione: (2024)

Exploring the Trade-Offs: Quantization Methods, Task Difficulty, and Model Size in Large Language Models From Edge to Giant
di: Lee, Jemin, et al.
Pubblicazione: (2024)

Outlier-Safe Pre-Training for Robust 4-Bit Quantization of Large Language Models
di: Park, Jungwoo, et al.
Pubblicazione: (2025)

Robustness of AutoML on Dirty Categorical Data
di: Bueno, Marcos L. P., et al.
Pubblicazione: (2026)

DREAM: Debugging and Repairing AutoML Pipelines
di: Zhang, Xiaoyu, et al.
Pubblicazione: (2023)

P‐54: XAI Models for Efficient Analysis of Temperature and Power Consumption in High‐Brightness Panels and Modules
di: Kyongtea Park, et al.
Pubblicazione: (2024)

AutoML in The Wild: Obstacles, Workarounds, and Expectations
di: Sun, Yuan, et al.
Pubblicazione: (2023)

Channel-Wise Mixed-Precision Quantization for Large Language Models
di: Chen, Zihan, et al.
Pubblicazione: (2024)

AutoGluon-Multimodal (AutoMM): Supercharging Multimodal AutoML with Foundation Models
di: Tang, Zhiqiang, et al.
Pubblicazione: (2024)

Weighted Multi-Prompt Learning with Description-free Large Language Model Distillation
di: Lee, Sua, et al.
Pubblicazione: (2025)

GWQ: Gradient-Aware Weight Quantization for Large Language Models
di: Shao, Yihua, et al.
Pubblicazione: (2024)

CPR: Mitigating Large Language Model Hallucinations with Curative Prompt Refinement
di: Shim, Jung-Woo, et al.
Pubblicazione: (2025)

Multi-stage Prompt Refinement for Mitigating Hallucinations in Large Language Models
di: Shim, Jung-Woo, et al.
Pubblicazione: (2025)

Fine-Tuning Language Models to Know What They Know
di: Park, Sangjun, et al.
Pubblicazione: (2026)

Exploring the impact of fairness-aware criteria in AutoML
di: Simões, Joana, et al.
Pubblicazione: (2026)

Hyperparameter Importance Analysis for Multi-Objective AutoML
di: Theodorakopoulos, Daphne, et al.
Pubblicazione: (2024)

Language-Agnostic Suicidal Risk Detection Using Large Language Models
di: Kim, June-Woo, et al.
Pubblicazione: (2025)