Buchumschlag

Multitask Learning with Learned Task Relationships

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wan, Zirui, Vlaski, Stefan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Distributed, Parallel, and Cluster Computing Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Asynchronous Local Computations in Distributed Bayesian Learning
von: Bhar, Kinjal, et al.
Veröffentlicht: (2023)

Compressed Federated Reinforcement Learning with a Generative Model
von: Beikmohammadi, Ali, et al.
Veröffentlicht: (2024)

On the Surprising Effectiveness of a Single Global Merging in Decentralized Learning
von: Zhu, Tongtian, et al.
Veröffentlicht: (2025)

Communication-Efficient Personalized Distributed Learning with Data and Node Heterogeneity
von: Tian, Zhuojun, et al.
Veröffentlicht: (2025)

Optimizing Decentralized Online Learning for Supervised Regression and Classification Problems
von: Kruijssen, J. M. Diederik, et al.
Veröffentlicht: (2025)

Decentralized Task Offloading and Load-Balancing for Mobile Edge Computing in Dense Networks
von: Yahya, Mariam, et al.
Veröffentlicht: (2024)

SADDLe: Sharpness-Aware Decentralized Deep Learning with Heterogeneous Data
von: Choudhary, Sakshi, et al.
Veröffentlicht: (2024)

Multi-Agent Bandit Learning through Heterogeneous Action Erasure Channels
von: Hanna, Osama A., et al.
Veröffentlicht: (2023)

BIPPO: Budget-Aware Independent PPO for Energy-Efficient Federated Learning Services
von: Lackinger, Anna, et al.
Veröffentlicht: (2025)

SureFED: Robust Federated Learning via Uncertainty-Aware Inward and Outward Inspection
von: Heydaribeni, Nasimeh, et al.
Veröffentlicht: (2023)

Collaborative Learning of On-Device Small Model and Cloud-Based Large Model: Advances and Future Directions
von: Niu, Chaoyue, et al.
Veröffentlicht: (2025)

AGMARL-DKS: An Adaptive Graph-Enhanced Multi-Agent Reinforcement Learning for Dynamic Kubernetes Scheduling
von: Hamzeh, Hamed
Veröffentlicht: (2026)

Argos: Agentic Time-Series Anomaly Detection with Autonomous Rule Generation via Large Language Models
von: Gu, Yile, et al.
Veröffentlicht: (2025)

A Unified Framework for Center-based Clustering of Distributed Data
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2024)

Single-Loop Federated Actor-Critic across Heterogeneous Environments
von: Zhu, Ye, et al.
Veröffentlicht: (2024)

On Collaboration in Distributed Parameter Estimation with Resource Constraints
von: Chen, Yu-Zhen Janice, et al.
Veröffentlicht: (2023)

Holonic Learning: A Flexible Agent-based Distributed Machine Learning Framework
von: Esmaeili, Ahmad, et al.
Veröffentlicht: (2023)

OpenFedLLM: Training Large Language Models on Decentralized Private Data via Federated Learning
von: Ye, Rui, et al.
Veröffentlicht: (2024)

Distributed Fractional Bayesian Learning for Adaptive Optimization
von: Yang, Yaqun, et al.
Veröffentlicht: (2024)

Fully Distributed Fog Load Balancing with Multi-Agent Reinforcement Learning
von: Ebrahim, Maad, et al.
Veröffentlicht: (2024)

Incentivizing Multi-Tenant Split Federated Learning for Foundation Models at the Network Edge
von: Li, Songyuan, et al.
Veröffentlicht: (2025)

When Coordination Is Avoidable: A Monotonicity Analysis of Organizational Tasks
von: Ju, Harang
Veröffentlicht: (2026)

Cooperative Solutions to Exploration Tasks Under Speed and Budget Constraints
von: Karishma, et al.
Veröffentlicht: (2022)

ISFL: Federated Learning for Non-i.i.d. Data with Local Importance Sampling
von: Zhu, Zheqi, et al.
Veröffentlicht: (2022)

Intelligent Offloading in Vehicular Edge Computing: A Comprehensive Review of Deep Reinforcement Learning Approaches and Architectures
von: Uddin, Ashab, et al.
Veröffentlicht: (2025)

Rendering Wireless Environments Useful for Gradient Estimators: A Zero-Order Stochastic Federated Learning Method
von: Mhanna, Elissa, et al.
Veröffentlicht: (2024)

Message-Aware Graph Attention Networks for Large-Scale Multi-Robot Path Planning
von: Li, Qingbiao, et al.
Veröffentlicht: (2020)

MARS: Efficient, Adaptive Co-Scheduling for Heterogeneous Agentic Systems
von: Wang, Yifei, et al.
Veröffentlicht: (2026)

DICE: Data Influence Cascade in Decentralized Learning
von: Zhu, Tongtian, et al.
Veröffentlicht: (2025)

KVFlow: Efficient Prefix Caching for Accelerating LLM-Based Multi-Agent Workflows
von: Pan, Zaifeng, et al.
Veröffentlicht: (2025)

Quantized Decentralized Stochastic Learning over Directed Graphs
von: Taheri, Hossein, et al.
Veröffentlicht: (2020)

Sustainability of Data Center Digital Twins with Reinforcement Learning
von: Sarkar, Soumyendu, et al.
Veröffentlicht: (2024)

Edge AI Collaborative Learning: Bayesian Approaches to Uncertainty Estimation
von: Radchenko, Gleb, et al.
Veröffentlicht: (2024)

Merit-Based Sortition in Decentralized Systems
von: Kruijssen, J. M. Diederik, et al.
Veröffentlicht: (2024)

Communication-Efficient Training Workload Balancing for Decentralized Multi-Agent Learning
von: Mohammadabadi, Seyed Mahmoud Sajjadi, et al.
Veröffentlicht: (2024)

Asynchronous MultiAgent Reinforcement Learning for 5G Routing under Side Constraints
von: Racedo, Sebastian, et al.
Veröffentlicht: (2026)

Optimizing Age of Information in Vehicular Edge Computing with Federated Graph Neural Network Multi-Agent Reinforcement Learning
von: Wang, Wenhua, et al.
Veröffentlicht: (2024)

Machine Learning and CPU (Central Processing Unit) Scheduling Co-Optimization over a Network of Computing Centers
von: Doostmohammadian, Mohammadreza, et al.
Veröffentlicht: (2025)

Win Fast or Lose Slow: Balancing Speed and Accuracy in Latency-Sensitive Decisions of LLMs
von: Kang, Hao, et al.
Veröffentlicht: (2025)

CUCo: An Agentic Framework for Compute and Communication Co-design
von: Hu, Bodun, et al.
Veröffentlicht: (2026)