Buchumschlag

Decoupled Split Learning via Auxiliary Loss

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zihad, Anower, Owino, Felix, Tang, Ming, Huang, Chao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Privacy-Enhancing Infant Cry Classification with Federated Transformers and Denoising Regularization
von: Owino, Geofrey, et al.
Veröffentlicht: (2025)

ASFL: An Adaptive Model Splitting and Resource Allocation Framework for Split Federated Learning
von: Meng, Chuiyang, et al.
Veröffentlicht: (2026)

Richer Representations for Neural Algorithmic Reasoning via Auxiliary Reconstruction
von: Huang, Jiafu, et al.
Veröffentlicht: (2026)

Forming Auxiliary High-confident Instance-level Loss to Promote Learning from Label Proportions
von: Ma, Tianhao, et al.
Veröffentlicht: (2024)

SCPL: Enhancing Neural Network Training Throughput with Decoupled Local Losses and Model Parallelism
von: Ho, Ming-Yao, et al.
Veröffentlicht: (2026)

Reinforcement Learning via Auxiliary Task Distillation
von: Harish, Abhinav Narayan, et al.
Veröffentlicht: (2024)

CAML: Collaborative Auxiliary Modality Learning for Multi-Agent Systems
von: Liu, Rui, et al.
Veröffentlicht: (2025)

VOLTA: The Surprising Ineffectiveness of Auxiliary Losses for Calibrated Deep Learning
von: Ray, Rahul D, et al.
Veröffentlicht: (2026)

DRPO: Efficient Reasoning via Decoupled Reward Policy Optimization
von: Li, Gang, et al.
Veröffentlicht: (2025)

Decoupling General and Personalized Knowledge in Federated Learning via Additive and Low-Rank Decomposition
von: Wu, Xinghao, et al.
Veröffentlicht: (2024)

Learning without Global Backpropagation via Synergistic Information Distillation
von: Ye, Chenhao, et al.
Veröffentlicht: (2025)

Personalized Subgraph Federated Learning with Differentiable Auxiliary Projections
von: Zhuo, Wei, et al.
Veröffentlicht: (2025)

Improving Continual Learning Performance and Efficiency with Auxiliary Classifiers
von: Szatkowski, Filip, et al.
Veröffentlicht: (2024)

Auxiliary Reward Generation with Transition Distance Representation Learning
von: Li, Siyuan, et al.
Veröffentlicht: (2024)

Boosting Reinforcement Learning with Strongly Delayed Feedback Through Auxiliary Short Delays
von: Wu, Qingyuan, et al.
Veröffentlicht: (2024)

Robust Model-Based Reinforcement Learning with an Adversarial Auxiliary Model
von: Herremans, Siemen, et al.
Veröffentlicht: (2024)

BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation
von: Xie, Yuhan, et al.
Veröffentlicht: (2026)

Beyond Token-level Supervision: Unlocking the Potential of Decoding-based Regression via Reinforcement Learning
von: Chen, Ming, et al.
Veröffentlicht: (2025)

HeterSEED: Semantics-Structure Decoupling for Heterogeneous Graph Learning under Heterophily
von: Li, Xinyi, et al.
Veröffentlicht: (2026)

Enhancing Molecular Property Prediction with Auxiliary Learning and Task-Specific Adaptation
von: Dey, Vishal, et al.
Veröffentlicht: (2024)

Representation Learning of Auxiliary Concepts for Improved Student Modeling and Exercise Recommendation
von: Badran, Yahya, et al.
Veröffentlicht: (2025)

Learning Heterogeneous Performance-Fairness Trade-offs in Federated Learning
von: Ye, Rongguang, et al.
Veröffentlicht: (2025)

Flow Matching with Arbitrary Auxiliary Paths
von: Peng, Xin, et al.
Veröffentlicht: (2026)

Mitigating Plasticity Loss in Continual Reinforcement Learning by Reducing Churn
von: Tang, Hongyao, et al.
Veröffentlicht: (2025)

Decoupling Search and Learning in Neural Net Training
von: Vegesna, Akshay, et al.
Veröffentlicht: (2025)

Protecting Split Learning by Potential Energy Loss
von: Zheng, Fei, et al.
Veröffentlicht: (2022)

Improving Reinforcement Learning Efficiency with Auxiliary Tasks in Non-Visual Environments: A Comparison
von: Lange, Moritz, et al.
Veröffentlicht: (2023)

Sigil: Server-Enforced Watermarking in U-Shaped Split Federated Learning via Gradient Injection
von: Dai, Zhengchunmin, et al.
Veröffentlicht: (2025)

HealSplit: Towards Self-Healing through Adversarial Distillation in Split Federated Learning
von: Xie, Yuhan, et al.
Veröffentlicht: (2025)

Auxiliary task discovery through generate-and-test
von: Rafiee, Banafsheh, et al.
Veröffentlicht: (2022)

Hetero-SplitEE: Split Learning of Neural Networks with Early Exits for Heterogeneous IoT Devices
von: Oda, Yuki, et al.
Veröffentlicht: (2025)

SplitLoRA: Balancing Stability and Plasticity in Continual Learning Through Gradient Space Splitting
von: Qiu, Haomiao, et al.
Veröffentlicht: (2025)

Accelerated Online Reinforcement Learning using Auxiliary Start State Distributions
von: Mehra, Aman, et al.
Veröffentlicht: (2025)

Decoupled Prioritized Resampling for Offline RL
von: Yue, Yang, et al.
Veröffentlicht: (2023)

Dynamic Evidence Decoupling for Trusted Multi-view Learning
von: Liu, Ying, et al.
Veröffentlicht: (2024)

Guardian: Decoupling Exploration from Safety in Reinforcement Learning
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)

Auxiliary Discrminator Sequence Generative Adversarial Networks (ADSeqGAN) for Few Sample Molecule Generation
von: Tang, Haocheng, et al.
Veröffentlicht: (2025)

Binary Split Categorical feature with Mean Absolute Error Criteria in CART
von: Yu, Peng, et al.
Veröffentlicht: (2025)

Why and How Auxiliary Tasks Improve JEPA Representations
von: Yu, Jiacan, et al.
Veröffentlicht: (2025)

Estimating Time Series Foundation Model Transferability via In-Context Learning
von: Yao, Qingren, et al.
Veröffentlicht: (2025)