Buchumschlag

HOSL: Hybrid-Order Split Learning for Memory-Constrained Edge Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lnu, Aakriti, Li, Zhe, Liang, Dandan, Huang, Chao, Li, Rui, Yang, Haibo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Straggler-Resilient Split Federated Learning: An Unbalanced Update Approach
von: Liang, Dandan, et al.
Veröffentlicht: (2025)

Learning Dynamics of Zeroth-Order Optimization: A Kernel Perspective
von: Li, Zhe, et al.
Veröffentlicht: (2026)

Adaptive Split Learning over Energy-Constrained Wireless Edge Networks
von: Li, Zuguang, et al.
Veröffentlicht: (2024)

Joint Optimization of Training and Inference in Federated Edge Learning via Constrained Multi-Objective Deep Reinforcement Learning
von: Li, Zhen, et al.
Veröffentlicht: (2026)

Achieving Dimension-Free Communication in Federated Learning via Zeroth-Order Optimization
von: Li, Zhe, et al.
Veröffentlicht: (2024)

Exact and Linear Convergence for Federated Learning under Arbitrary Client Participation is Attainable
von: Ying, Bicheng, et al.
Veröffentlicht: (2025)

MSfusion: A Dynamic Model Splitting Approach for Resource-Constrained Machines to Collaboratively Train Larger Models
von: Xie, Jin, et al.
Veröffentlicht: (2024)

ES-GNN: Generalizing Graph Neural Networks Beyond Homophily with Edge Splitting
von: Guo, Jingwei, et al.
Veröffentlicht: (2022)

COSMOS: A Hybrid Adaptive Optimizer for Memory-Efficient Training of LLMs
von: Liu, Liming, et al.
Veröffentlicht: (2025)

Converge Faster, Talk Less: Hessian-Informed Federated Zeroth-Order Optimization
von: Li, Zhe, et al.
Veröffentlicht: (2025)

VeriGate: Verifier-Gated Step-Level Supervision for GRPO
von: Agrawal, Aakriti, et al.
Veröffentlicht: (2026)

Energy-Efficient Split Learning for Fine-Tuning Large Language Models in Edge Networks
von: Li, Zuguang, et al.
Veröffentlicht: (2024)

DELPHYNE: A Pre-Trained Model for General and Financial Time Series
von: Ding, Xueying, et al.
Veröffentlicht: (2025)

NMS: Efficient Edge DNN Training via Near-Memory Sampling on Manifolds
von: Zhao, Boran, et al.
Veröffentlicht: (2025)

Fast AI Model Partition for Split Learning over Edge Networks
von: Li, Zuguang, et al.
Veröffentlicht: (2025)

Efficient Parallel Split Learning over Resource-constrained Wireless Edge Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2023)

FedHybrid: Breaking the Memory Wall of Federated Learning via Hybrid Tensor Management
von: Tam, Kahou, et al.
Veröffentlicht: (2025)

Simultaneous Computation and Memory Efficient Zeroth-Order Optimizer for Fine-Tuning Large Language Models
von: Wang, Fei, et al.
Veröffentlicht: (2024)

Bayes-Split-Edge: Bayesian Optimization for Constrained Collaborative Inference in Wireless Edge Systems
von: Safaeipour, Fatemeh Zahra, et al.
Veröffentlicht: (2025)

TSFLora: Token-Compressed Split Fine-Tuning for Wireless Edge Networks
von: Qiang, Xianke, et al.
Veröffentlicht: (2026)

Hybrid Adaptive Conformal Offline Reinforcement Learning for Fair Population Health Management
von: Basu, Sanjay, et al.
Veröffentlicht: (2025)

First-Order Methods for Linearly Constrained Bilevel Optimization
von: Kornowski, Guy, et al.
Veröffentlicht: (2024)

Zeroth-Order Optimization at the Edge of Stability
von: Song, Minhak, et al.
Veröffentlicht: (2026)

HASFL: Heterogeneity-aware Split Federated Learning over Edge Computing Systems
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

Study of Training Dynamics for Memory-Constrained Fine-Tuning
von: Quélennec, Aël, et al.
Veröffentlicht: (2025)

Multi-Graph Co-Training for Capturing User Intent in Session-based Recommendation
von: Yang, Zhe, et al.
Veröffentlicht: (2024)

Split Learning in 6G Edge Networks
von: Lin, Zheng, et al.
Veröffentlicht: (2023)

Memory- and Latency-Constrained Inference of Large Language Models via Adaptive Split Computing
von: Sung, Mingyu, et al.
Veröffentlicht: (2025)

Breaking the Memory Wall for Heterogeneous Federated Learning via Model Splitting
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)

HO-SFL: Hybrid-Order Split Federated Learning with Backprop-Free Clients and Dimension-Free Aggregation
von: Chen, Qiyuan, et al.
Veröffentlicht: (2026)

Decoupled Split Learning via Auxiliary Loss
von: Zihad, Anower, et al.
Veröffentlicht: (2026)

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

Accelerating Wireless Distributed Learning via Hybrid Split and Federated Learning Optimization
von: Guo, Kun, et al.
Veröffentlicht: (2025)

TCRL: Temporal-Coupled Adversarial Training for Robust Constrained Reinforcement Learning in Worst-Case Scenarios
von: Xu, Wentao, et al.
Veröffentlicht: (2026)

MetaCLBench: Meta Continual Learning Benchmark on Resource-Constrained Edge Devices
von: Li, Sijia, et al.
Veröffentlicht: (2025)

ELSA: Efficient LLM-Centric Split Aggregation for Privacy-Aware Hierarchical Federated Learning over the Network Edge
von: Yang, Xiaohong, et al.
Veröffentlicht: (2026)

Oracle-efficient Hybrid Learning with Constrained Adversaries
von: Okoroafor, Princewill, et al.
Veröffentlicht: (2026)

The Impact of Cut Layer Selection in Split Federated Learning
von: Dachille, Justin, et al.
Veröffentlicht: (2024)

Resource-Constrained Federated Continual Learning: What Does Matter?
von: Li, Yichen, et al.
Veröffentlicht: (2025)

Experience-Evolving Multi-Turn Tool-Use Agent with Hybrid Episodic-Procedural Memory
von: Li, Sijia, et al.
Veröffentlicht: (2025)