Buchumschlag

Dispatch-Aware Ragged Attention for Pruned Vision Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Abdellatif, Seifeldin, Almasri, Ahmad
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

Ragged Paged Attention: A High-Performance and Flexible LLM Inference Kernel for TPU
von: Jiang, Jevin, et al.
Veröffentlicht: (2026)

Efficiently Dispatching Flash Attention For Partially Filled Attention Masks
von: Sharma, Agniv, et al.
Veröffentlicht: (2024)

Operon: Incremental Construction of Ragged Data via Named Dimensions
von: Moon, Sungbin, et al.
Veröffentlicht: (2025)

QFlash: Bridging Quantization and Memory Efficiency in Vision Transformer Attention
von: Oh, Sehyeon, et al.
Veröffentlicht: (2026)

Neighbourhood Transformer: Switchable Attention for Monophily-Aware Graph Learning
von: Luo, Yi, et al.
Veröffentlicht: (2026)

VeriDispatcher: Multi-Model Dispatching through Pre-Inference Difficulty Prediction for RTL Generation Optimization
von: Wang, Zeng, et al.
Veröffentlicht: (2025)

Data-Free Pruning of Self-Attention Layers in LLMs
von: Saikumar, Dhananjay, et al.
Veröffentlicht: (2025)

Physics-Guided Transformer (PGT): Physics-Aware Attention Mechanism for PINNs
von: Zeraatkar, Ehsan, et al.
Veröffentlicht: (2026)

Locality-Aware Redundancy Pruning for LLM Depth Compression
von: Yun, Vincent-Daniel, et al.
Veröffentlicht: (2026)

Hierarchical Attention-based Graph Neural Network with Relevance-driven Pruning
von: Kum, Seungwoo
Veröffentlicht: (2026)

Hybrid Dynamic Pruning: A Pathway to Efficient Transformer Inference
von: Jaradat, Ghadeer, et al.
Veröffentlicht: (2024)

CA-HFP: Curvature-Aware Heterogeneous Federated Pruning with Model Reconstruction
von: Hu, Gang, et al.
Veröffentlicht: (2026)

GPrune-LLM: Generalization-Aware Structured Pruning for Large Language Models
von: Liu, Xiaoyun, et al.
Veröffentlicht: (2026)

OATS: Outlier-Aware Pruning Through Sparse and Low Rank Decomposition
von: Zhang, Stephen, et al.
Veröffentlicht: (2024)

Offline Reinforcement Learning for Learning to Dispatch for Job Shop Scheduling
von: van Remmerden, Jesse, et al.
Veröffentlicht: (2024)

Automatic Detection of LLM-Generated Code: A Comparative Case Study of Contemporary Models Across Function and Class Granularities
von: Rahman, Musfiqur, et al.
Veröffentlicht: (2024)

Is ChatGPT a Good Software Librarian? An Exploratory Study on the Use of ChatGPT for Software Library Recommendations
von: Latendresse, Jasmine, et al.
Veröffentlicht: (2024)

Integrating Locality-Aware Attention with Transformers for General Geometry PDEs
von: Koh, Minsu, et al.
Veröffentlicht: (2025)

VSFormer: Value and Shape-Aware Transformer with Prior-Enhanced Self-Attention for Multivariate Time Series Classification
von: Xi, Wenjie, et al.
Veröffentlicht: (2024)

Adaptive Computation Pruning for the Forgetting Transformer
von: Lin, Zhixuan, et al.
Veröffentlicht: (2025)

Resource-Aware Neural Network Pruning Using Graph-based Reinforcement Learning
von: Balemans, Dieter, et al.
Veröffentlicht: (2025)

Deep Learning for Modeling and Dispatching Hybrid Wind Farm Power Generation
von: Lawrence, Zach, et al.
Veröffentlicht: (2025)

GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching
von: Han, Xiao, et al.
Veröffentlicht: (2024)

The Bayesian Geometry of Transformer Attention
von: Agarwal, Naman, et al.
Veröffentlicht: (2025)

C-SWAP: Explainability-Aware Structured Pruning for Efficient Neural Networks Compression
von: Bauvin, Baptiste, et al.
Veröffentlicht: (2025)

A Comparative Study of Pruning Methods in Transformer-based Time Series Forecasting
von: Kiefer, Nicholas, et al.
Veröffentlicht: (2024)

Sink-Aware Pruning for Diffusion Language Models
von: Myrzakhan, Aidar, et al.
Veröffentlicht: (2026)

Predicting the First Response Latency of Maintainers and Contributors in Pull Requests
von: Khatoonabadi, SayedHassan, et al.
Veröffentlicht: (2023)

TAP-ViTs: Task-Adaptive Pruning for On-Device Deployment of Vision Transformers
von: Wang, Zhibo, et al.
Veröffentlicht: (2026)

Multi-Agent Decision Transformers for Dynamic Dispatching in Material Handling Systems Leveraging Enterprise Big Data
von: Lee, Xian Yeow, et al.
Veröffentlicht: (2024)

Reinforcement Learning with Curriculum-inspired Adaptive Direct Policy Guidance for Truck Dispatching
von: Meng, Shi, et al.
Veröffentlicht: (2025)

Mechanistic Interpretability of Fine-Tuned Vision Transformers on Distorted Images: Decoding Attention Head Behavior for Transparent and Trustworthy AI
von: Bahador, Nooshin
Veröffentlicht: (2025)

Class-Discriminative Attention Maps for Vision Transformers
von: Brocki, Lennart, et al.
Veröffentlicht: (2023)

Geometric Attention: A Regime-Explicit Operator Semantics for Transformer Attention
von: Freytes, Luis Rosario
Veröffentlicht: (2026)

XicorAttention: Time Series Transformer Using Attention with Nonlinear Correlation
von: Kimura, Daichi, et al.
Veröffentlicht: (2025)

Enhanced Pruning Strategy for Multi-Component Neural Architectures Using Component-Aware Graph Analysis
von: Sundaram, Ganesh, et al.
Veröffentlicht: (2025)

Decision-Focused Fine-Tuning of Time Series Foundation Models for Dispatchable Feeder Optimization
von: Beichter, Maximilian, et al.
Veröffentlicht: (2025)

Isomorphic Pruning for Vision Models
von: Fang, Gongfan, et al.
Veröffentlicht: (2024)

Attention Schema-based Attention Control (ASAC): A Cognitive-Inspired Approach for Attention Management in Transformers
von: Saxena, Krati, et al.
Veröffentlicht: (2025)

PAT: Pruning-Aware Tuning for Large Language Models
von: Liu, Yijiang, et al.
Veröffentlicht: (2024)