Salvato in:
| Autori principali: | Volkova, Alexandra, Safaryan, Mher, Lampert, Christoph H., Alistarh, Dan |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2602.07712 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Unified Scaling Laws for Compressed Representations
di: Panferov, Andrei, et al.
Pubblicazione: (2025)
di: Panferov, Andrei, et al.
Pubblicazione: (2025)
CAGE: Curvature-Aware Gradient Estimation For Accurate Quantization-Aware Training
di: Tabesh, Soroush, et al.
Pubblicazione: (2025)
di: Tabesh, Soroush, et al.
Pubblicazione: (2025)
MatryoshkaLoRA: Learning Accurate Hierarchical Low-Rank Representations for LLM Fine-Tuning
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2026)
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2026)
LDAdam: Adaptive Optimization from Low-Dimensional Gradient Statistics
di: Robert, Thomas, et al.
Pubblicazione: (2024)
di: Robert, Thomas, et al.
Pubblicazione: (2024)
DASH: Faster Shampoo via Batched Block Preconditioning and Efficient Inverse-Root Solvers
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2026)
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2026)
The Iterative Optimal Brain Surgeon: Faster Sparse Recovery by Leveraging Second-Order Information
di: Wu, Diyuan, et al.
Pubblicazione: (2024)
di: Wu, Diyuan, et al.
Pubblicazione: (2024)
FFT-based Dynamic Subspace Selection for Low-Rank Adaptive Optimization of Large Language Models
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2025)
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2025)
MicroAdam: Accurate Adaptive Optimization with Low Space Overhead and Provable Convergence
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2024)
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2024)
Beyond Outliers: A Study of Optimizers Under Quantization
di: Vlassis, Georgios, et al.
Pubblicazione: (2025)
di: Vlassis, Georgios, et al.
Pubblicazione: (2025)
GradSkip: Communication-Accelerated Local Gradient Methods with Better Computational Complexity
di: Maranjyan, Artavazd, et al.
Pubblicazione: (2022)
di: Maranjyan, Artavazd, et al.
Pubblicazione: (2022)
LoRDO: Distributed Low-Rank Optimization with Infrequent Communication
di: Jovanović, Andrej, et al.
Pubblicazione: (2026)
di: Jovanović, Andrej, et al.
Pubblicazione: (2026)
On Biased Compression for Distributed Learning
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2020)
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2020)
Compression Scaling Laws:Unifying Sparsity and Quantization
di: Frantar, Elias, et al.
Pubblicazione: (2025)
di: Frantar, Elias, et al.
Pubblicazione: (2025)
MT-DAO: Multi-Timescale Distributed Adaptive Optimizers with Local Updates
di: Iacob, Alex, et al.
Pubblicazione: (2025)
di: Iacob, Alex, et al.
Pubblicazione: (2025)
Behemoth: Benchmarking Unlearning in LLMs Using Fully Synthetic Data
di: Iofinova, Eugenia, et al.
Pubblicazione: (2026)
di: Iofinova, Eugenia, et al.
Pubblicazione: (2026)
Model Compression with Exact Budget Constraints via Riemannian Manifolds
di: Helcig, Michael, et al.
Pubblicazione: (2026)
di: Helcig, Michael, et al.
Pubblicazione: (2026)
Towards Combinatorial Interpretability of Neural Computation
di: Adler, Micah, et al.
Pubblicazione: (2025)
di: Adler, Micah, et al.
Pubblicazione: (2025)
DES-LOC: Desynced Low Communication Adaptive Optimizers for Training Foundation Models
di: Iacob, Alex, et al.
Pubblicazione: (2025)
di: Iacob, Alex, et al.
Pubblicazione: (2025)
ASIDE: Architectural Separation of Instructions and Data in Language Models
di: Zverev, Egor, et al.
Pubblicazione: (2025)
di: Zverev, Egor, et al.
Pubblicazione: (2025)
LLMQ: Efficient Lower-Precision Pretraining for Consumer GPUs
di: Schultheis, Erik, et al.
Pubblicazione: (2025)
di: Schultheis, Erik, et al.
Pubblicazione: (2025)
The Journey Matters: Average Parameter Count over Pre-training Unifies Sparse and Dense Scaling Laws
di: Jin, Tian, et al.
Pubblicazione: (2025)
di: Jin, Tian, et al.
Pubblicazione: (2025)
Efficient Data Selection at Scale via Influence Distillation
di: Nikdan, Mahdi, et al.
Pubblicazione: (2025)
di: Nikdan, Mahdi, et al.
Pubblicazione: (2025)
Hybrid Decentralized Optimization: Leveraging Both First- and Zeroth-Order Optimizers for Faster Convergence
di: Ansaripour, Matin, et al.
Pubblicazione: (2022)
di: Ansaripour, Matin, et al.
Pubblicazione: (2022)
MatGPTQ: Accurate and Efficient Post-Training Matryoshka Quantization
di: Kleinegger, Maximilian, et al.
Pubblicazione: (2026)
di: Kleinegger, Maximilian, et al.
Pubblicazione: (2026)
Statistically-Lossless Quantization of Large Language Models
di: Helcig, Michael, et al.
Pubblicazione: (2026)
di: Helcig, Michael, et al.
Pubblicazione: (2026)
Powerset Convolutional Neural Networks
di: Wendler, Chris, et al.
Pubblicazione: (2019)
di: Wendler, Chris, et al.
Pubblicazione: (2019)
RoSA: Accurate Parameter-Efficient Fine-Tuning via Robust Adaptation
di: Nikdan, Mahdi, et al.
Pubblicazione: (2024)
di: Nikdan, Mahdi, et al.
Pubblicazione: (2024)
Simple Opinion Dynamics for No-Regret Learning
di: Lazarsfeld, John, et al.
Pubblicazione: (2023)
di: Lazarsfeld, John, et al.
Pubblicazione: (2023)
HALO: Hadamard-Assisted Lower-Precision Optimization for LLMs
di: Ashkboos, Saleh, et al.
Pubblicazione: (2025)
di: Ashkboos, Saleh, et al.
Pubblicazione: (2025)
Apertus LLM Family Expansion via Distillation and Quantization
di: Panferov, Andrei, et al.
Pubblicazione: (2026)
di: Panferov, Andrei, et al.
Pubblicazione: (2026)
Quartet II: Accurate LLM Pre-Training in NVFP4 by Improved Unbiased Gradient Estimation
di: Panferov, Andrei, et al.
Pubblicazione: (2026)
di: Panferov, Andrei, et al.
Pubblicazione: (2026)
EvoPress: Accurate Dynamic Model Compression via Evolutionary Search
di: Sieberling, Oliver, et al.
Pubblicazione: (2024)
di: Sieberling, Oliver, et al.
Pubblicazione: (2024)
Communication-Efficient Federated Learning With Data and Client Heterogeneity
di: Zakerinia, Hossein, et al.
Pubblicazione: (2022)
di: Zakerinia, Hossein, et al.
Pubblicazione: (2022)
Towards Scaling Laws for Symbolic Regression
di: Otte, David, et al.
Pubblicazione: (2025)
di: Otte, David, et al.
Pubblicazione: (2025)
Adaptive Sampling and Clipping for Private Worst-Case Group Optimization
di: Cairney-Leeming, Max, et al.
Pubblicazione: (2026)
di: Cairney-Leeming, Max, et al.
Pubblicazione: (2026)
SPADE: Sparsity-Guided Debugging for Deep Neural Networks
di: Moakhar, Arshia Soltani, et al.
Pubblicazione: (2023)
di: Moakhar, Arshia Soltani, et al.
Pubblicazione: (2023)
Mathador-LM: A Dynamic Benchmark for Mathematical Reasoning on Large Language Models
di: Kurtic, Eldar, et al.
Pubblicazione: (2024)
di: Kurtic, Eldar, et al.
Pubblicazione: (2024)
From Privacy to Generalization: Linear Max-Information Bounds for DP-SGD
di: Lampert, Christoph H., et al.
Pubblicazione: (2026)
di: Lampert, Christoph H., et al.
Pubblicazione: (2026)
Fast Rate Bounds for Multi-Task and Meta-Learning with Different Sample Sizes
di: Zakerinia, Hossein, et al.
Pubblicazione: (2025)
di: Zakerinia, Hossein, et al.
Pubblicazione: (2025)
1-Lipschitz Neural Networks are more expressive with N-Activations
di: Prach, Bernd, et al.
Pubblicazione: (2023)
di: Prach, Bernd, et al.
Pubblicazione: (2023)
Documenti analoghi
-
Unified Scaling Laws for Compressed Representations
di: Panferov, Andrei, et al.
Pubblicazione: (2025) -
CAGE: Curvature-Aware Gradient Estimation For Accurate Quantization-Aware Training
di: Tabesh, Soroush, et al.
Pubblicazione: (2025) -
MatryoshkaLoRA: Learning Accurate Hierarchical Low-Rank Representations for LLM Fine-Tuning
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2026) -
LDAdam: Adaptive Optimization from Low-Dimensional Gradient Statistics
di: Robert, Thomas, et al.
Pubblicazione: (2024) -
DASH: Faster Shampoo via Batched Block Preconditioning and Efficient Inverse-Root Solvers
di: Modoranu, Ionut-Vlad, et al.
Pubblicazione: (2026)