Enregistré dans:
| Auteurs principaux: | Liu, Mengfan, Zheng, Da, Su, Junwei, Wu, Chuan |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2601.22678 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
AdaBatchGrad: Combining Adaptive Batch Size and Adaptive Step Size
par: Ostroukhov, Petr, et autres
Publié: (2024)
par: Ostroukhov, Petr, et autres
Publié: (2024)
Graph Neural Network Training Systems: A Performance Comparison of Full-Graph and Mini-Batch
par: Bajaj, Saurabh, et autres
Publié: (2024)
par: Bajaj, Saurabh, et autres
Publié: (2024)
Scaling Law for Language Models Training Considering Batch Size
par: Shuai, Xian, et autres
Publié: (2024)
par: Shuai, Xian, et autres
Publié: (2024)
Critical Batch Size Revisited: A Simple Empirical Approach to Large-Batch Language Model Training
par: Merrill, William, et autres
Publié: (2025)
par: Merrill, William, et autres
Publié: (2025)
Surge Phenomenon in Optimal Learning Rate and Batch Size Scaling
par: Li, Shuaipeng, et autres
Publié: (2024)
par: Li, Shuaipeng, et autres
Publié: (2024)
Seesaw: Accelerating Training by Balancing Learning Rate and Batch Size Scheduling
par: Meterez, Alexandru, et autres
Publié: (2025)
par: Meterez, Alexandru, et autres
Publié: (2025)
Convergence Bound and Critical Batch Size of Muon Optimizer
par: Sato, Naoki, et autres
Publié: (2025)
par: Sato, Naoki, et autres
Publié: (2025)
DYNAMITE: Dynamic Interplay of Mini-Batch Size and Aggregation Frequency for Federated Learning with Static and Streaming Dataset
par: Liu, Weijie, et autres
Publié: (2023)
par: Liu, Weijie, et autres
Publié: (2023)
BG-HGNN: Toward Efficient Learning for Complex Heterogeneous Graphs
par: Su, Junwei, et autres
Publié: (2024)
par: Su, Junwei, et autres
Publié: (2024)
Collaborative Batch Size Optimization for Federated Learning
par: Geimer, Arno, et autres
Publié: (2025)
par: Geimer, Arno, et autres
Publié: (2025)
Adaptive Batch Size Schedules for Distributed Training of Language Models with Data and Model Parallelism
par: Lau, Tim Tsz-Kit, et autres
Publié: (2024)
par: Lau, Tim Tsz-Kit, et autres
Publié: (2024)
Requests of a Feather Must Flock Together: Batch Size vs. Prefix Homogeneity in LLM Inference
par: Rathi, Saksham, et autres
Publié: (2026)
par: Rathi, Saksham, et autres
Publié: (2026)
DIVEBATCH: Accelerating Model Training Through Gradient-Diversity Aware Batch Size Adaptation
par: Chen, Yuen, et autres
Publié: (2025)
par: Chen, Yuen, et autres
Publié: (2025)
On the Role of Batch Size in Stochastic Conditional Gradient Methods
par: Islamov, Rustem, et autres
Publié: (2026)
par: Islamov, Rustem, et autres
Publié: (2026)
How Does Critical Batch Size Scale in Pre-training?
par: Zhang, Hanlin, et autres
Publié: (2024)
par: Zhang, Hanlin, et autres
Publié: (2024)
A Non-Asymptotic Convergent Analysis for Scored-Based Graph Generative Model via a System of Stochastic Differential Equations
par: Su, Junwei, et autres
Publié: (2025)
par: Su, Junwei, et autres
Publié: (2025)
Smaller Batches, Bigger Gains? Investigating the Impact of Batch Sizes on Reinforcement Learning Based Real-World Production Scheduling
par: Müller, Arthur, et autres
Publié: (2024)
par: Müller, Arthur, et autres
Publié: (2024)
Beware of the Batch Size: Hyperparameter Bias in Evaluating LoRA
par: Lee, Sangyoon, et autres
Publié: (2026)
par: Lee, Sangyoon, et autres
Publié: (2026)
Efficient GNN Training Through Structure-Aware Randomized Mini-Batching
par: Balaji, Vignesh, et autres
Publié: (2025)
par: Balaji, Vignesh, et autres
Publié: (2025)
On the Interplay between Graph Structure and Learning Algorithms in Graph Neural Networks
par: Su, Junwei, et autres
Publié: (2025)
par: Su, Junwei, et autres
Publié: (2025)
Increasing Batch Size Improves Convergence of Stochastic Gradient Descent with Momentum
par: Kamo, Keisuke, et autres
Publié: (2025)
par: Kamo, Keisuke, et autres
Publié: (2025)
Mini-Batch Kernel $k$-means
par: Jourdan, Ben, et autres
Publié: (2024)
par: Jourdan, Ben, et autres
Publié: (2024)
Adaptive Batch Size for Privately Finding Second-Order Stationary Points
par: Liu, Daogao, et autres
Publié: (2024)
par: Liu, Daogao, et autres
Publié: (2024)
AdAdaGrad: Adaptive Batch Size Schemes for Adaptive Gradient Methods
par: Lau, Tim Tsz-Kit, et autres
Publié: (2024)
par: Lau, Tim Tsz-Kit, et autres
Publié: (2024)
Debiasing Mini-Batch Quadratics for Applications in Deep Learning
par: Tatzel, Lukas, et autres
Publié: (2024)
par: Tatzel, Lukas, et autres
Publié: (2024)
Accelerating SGDM via Learning Rate and Batch Size Schedules: A Lyapunov-Based Analysis
par: Kondo, Yuichi, et autres
Publié: (2025)
par: Kondo, Yuichi, et autres
Publié: (2025)
Communication-Efficient Adaptive Batch Size Strategies for Distributed Local Gradient Methods
par: Lau, Tim Tsz-Kit, et autres
Publié: (2024)
par: Lau, Tim Tsz-Kit, et autres
Publié: (2024)
On the Topology Awareness and Generalization Performance of Graph Neural Networks
par: Su, Junwei, et autres
Publié: (2024)
par: Su, Junwei, et autres
Publié: (2024)
Faster Convergence of Riemannian Stochastic Gradient Descent with Increasing Batch Size
par: Oowada, Kanata, et autres
Publié: (2025)
par: Oowada, Kanata, et autres
Publié: (2025)
Small Batch Size Training for Language Models: When Vanilla SGD Works, and Why Gradient Accumulation Is Wasteful
par: Marek, Martin, et autres
Publié: (2025)
par: Marek, Martin, et autres
Publié: (2025)
Mini-Batch Class Composition Bias in Link Prediction
par: Maguire, Kieran, et autres
Publié: (2026)
par: Maguire, Kieran, et autres
Publié: (2026)
The Effect of Batch Size on Contrastive Self-Supervised Speech Representation Learning
par: Vaessen, Nik, et autres
Publié: (2024)
par: Vaessen, Nik, et autres
Publié: (2024)
Perfect Parallelization in Mini-Batch SGD with Classical Momentum Acceleration
par: Garg, Sachin, et autres
Publié: (2026)
par: Garg, Sachin, et autres
Publié: (2026)
Increasing Both Batch Size and Learning Rate Accelerates Stochastic Gradient Descent
par: Umeda, Hikaru, et autres
Publié: (2024)
par: Umeda, Hikaru, et autres
Publié: (2024)
Time Transfer: On Optimal Learning Rate and Batch Size In The Infinite Data Limit
par: Filatov, Oleg, et autres
Publié: (2024)
par: Filatov, Oleg, et autres
Publié: (2024)
Optimal Batch-Size Control for Low-Latency Federated Learning with Device Heterogeneity
par: Yang, Huiling, et autres
Publié: (2025)
par: Yang, Huiling, et autres
Publié: (2025)
Enabling Large Batch Size Training for DNN Models Beyond the Memory Limit While Maintaining Performance
par: Piao, XinYu, et autres
Publié: (2021)
par: Piao, XinYu, et autres
Publié: (2021)
Scalable Graph Attention-based Instance Selection via Mini-Batch Sampling and Hierarchical Hashing
par: Rustamov, Zahiriddin, et autres
Publié: (2025)
par: Rustamov, Zahiriddin, et autres
Publié: (2025)
Hierarchical Rectified Flow Matching with Mini-Batch Couplings
par: Zhang, Yichi, et autres
Publié: (2025)
par: Zhang, Yichi, et autres
Publié: (2025)
One Size Does Not Fit All: Architecture-Aware Adaptive Batch Scheduling with DEBA
par: Belias, François, et autres
Publié: (2025)
par: Belias, François, et autres
Publié: (2025)
Documents similaires
-
AdaBatchGrad: Combining Adaptive Batch Size and Adaptive Step Size
par: Ostroukhov, Petr, et autres
Publié: (2024) -
Graph Neural Network Training Systems: A Performance Comparison of Full-Graph and Mini-Batch
par: Bajaj, Saurabh, et autres
Publié: (2024) -
Scaling Law for Language Models Training Considering Batch Size
par: Shuai, Xian, et autres
Publié: (2024) -
Critical Batch Size Revisited: A Simple Empirical Approach to Large-Batch Language Model Training
par: Merrill, William, et autres
Publié: (2025) -
Surge Phenomenon in Optimal Learning Rate and Batch Size Scaling
par: Li, Shuaipeng, et autres
Publié: (2024)