Copertina

Structural Priors and Modular Adapters in the Composable Fine-Tuning Algorithm of Large-Scale Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Yuxiao, Wu, Di, Liu, Feng, Qiu, Zhimin, Hu, Chenrui
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Structure-Aware Decoding Mechanisms for Complex Entity Extraction with Large-Scale Language Models
di: Qiu, Zhimin, et al.
Pubblicazione: (2025)

Fine-Grained Model Merging via Modular Expert Recombination
di: Qiu, Haiyun, et al.
Pubblicazione: (2026)

Structural Generalization for Microservice Routing Using Graph Neural Networks
di: Hu, Chenrui, et al.
Pubblicazione: (2025)

SMoA: Spectrum Modulation Adapter for Parameter-Efficient Fine-Tuning
di: Liu, Yongkang, et al.
Pubblicazione: (2026)

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

Dissecting Fine-Tuning Unlearning in Large Language Models
di: Hong, Yihuai, et al.
Pubblicazione: (2024)

Spectral Adapter: Fine-Tuning in Spectral Space
di: Zhang, Fangzhao, et al.
Pubblicazione: (2024)

Efficient Adaptation of Large Vision Transformer via Adapter Re-Composing
di: Dong, Wei, et al.
Pubblicazione: (2023)

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

Not All Adapters Matter: Selective Adapter Freezing for Memory-Efficient Fine-Tuning of Language Models
di: Son, Hyegang, et al.
Pubblicazione: (2024)

Self-Generative Adversarial Fine-Tuning for Large Language Models
di: Wu, Shiguang, et al.
Pubblicazione: (2026)

F-Adapter: Frequency-Adaptive Parameter-Efficient Fine-Tuning in Scientific Machine Learning
di: Zhang, Hangwei, et al.
Pubblicazione: (2025)

Scaling-Aware Adapter for Structure-Grounded LLM Reasoning
di: Jing, Zihao, et al.
Pubblicazione: (2026)

Spatiotemporal Traffic Prediction in Distributed Backend Systems via Graph Neural Networks
di: Qiu, Zhimin, et al.
Pubblicazione: (2025)

Closed-Loop Supervised Fine-Tuning of Tokenized Traffic Models
di: Zhang, Zhejun, et al.
Pubblicazione: (2024)

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

Symbiosis: Multi-Adapter Inference and Fine-Tuning
di: Gupta, Saransh, et al.
Pubblicazione: (2025)

Scaling Sparse Fine-Tuning to Large Language Models
di: Ansell, Alan, et al.
Pubblicazione: (2024)

Compete and Compose: Learning Independent Mechanisms for Modular World Models
di: Lei, Anson, et al.
Pubblicazione: (2024)

Optimizing Large Language Models with an Enhanced LoRA Fine-Tuning Algorithm for Efficiency and Robustness in NLP Tasks
di: Hu, Jiacheng, et al.
Pubblicazione: (2024)

Learning While Staying Curious: Entropy-Preserving Supervised Fine-Tuning via Adaptive Self-Distillation for Large Reasoning Models
di: Wang, Hao, et al.
Pubblicazione: (2026)

Rank Also Matters: Hierarchical Configuration for Mixture of Adapter Experts in LLM Fine-Tuning
di: Cong, Peizhuang, et al.
Pubblicazione: (2025)

Scalable Variational Bayesian Fine-Tuning of LLMs via Orthogonalized Low-Rank Adapters
di: Xiang, Haotian, et al.
Pubblicazione: (2026)

Robust and Generalizable GNN Fine-Tuning via Uncertainty-aware Adapter Learning
di: Jiang, Bo, et al.
Pubblicazione: (2025)

From Uncertain to Safe: Conformal Fine-Tuning of Diffusion Models for Safe PDE Control
di: Hu, Peiyan, et al.
Pubblicazione: (2025)

RepairLLaMA: Efficient Representations and Fine-Tuned Adapters for Program Repair
di: Silva, André, et al.
Pubblicazione: (2023)

Bi-LoRA: Efficient Sharpness-Aware Minimization for Fine-Tuning Large-Scale Models
di: Liu, Yuhang, et al.
Pubblicazione: (2025)

Foundation Models at Work: Fine-Tuning for Fairness in Algorithmic Hiring
di: Korkmaz, Buse Sibel, et al.
Pubblicazione: (2025)

Feature Geometry of LoRA Adapters: A Sparse Autoencoder Analysis of Representational Divergence in Fine-Tuned Language Models
di: K, Prasanth K
Pubblicazione: (2026)

Efficient Orthogonal Fine-Tuning with Principal Subspace Adaptation
di: Wu, Fei, et al.
Pubblicazione: (2025)

One Algorithm, Two Goals: Dual Scoring for Parameter and Data Selection in LLM Fine-Tuning
di: Chen, Xinrui, et al.
Pubblicazione: (2026)

TuneComp: Joint Fine-tuning and Compression for Large Foundation Models
di: Chen, Xiangyu, et al.
Pubblicazione: (2025)

Parameter-Efficient Fine-Tuning for Large Models: A Comprehensive Survey
di: Han, Zeyu, et al.
Pubblicazione: (2024)

Hyperbolic Fine-Tuning for Large Language Models
di: Yang, Menglin, et al.
Pubblicazione: (2024)

Unlocking Emergent Modularity in Large Language Models
di: Qiu, Zihan, et al.
Pubblicazione: (2023)

Modular Multimodal Classification Without Fine-Tuning: A Simple Compositional Approach
di: Bergström, Herman, et al.
Pubblicazione: (2026)

Dynamic Scaled Gradient Descent for Stable Fine-Tuning for Classifications
di: Bui, Nghia, et al.
Pubblicazione: (2026)

Artificial Entanglement in the Fine-Tuning of Large Language Models
di: Chen, Min, et al.
Pubblicazione: (2026)

Scaling Laws for Forgetting When Fine-Tuning Large Language Models
di: Kalajdzievski, Damjan
Pubblicazione: (2024)

Block Circulant Adapter for Large Language Models
di: Ding, Xinyu, et al.
Pubblicazione: (2025)