Buchumschlag

Towards Robust Endogenous Reasoning: Unifying Drift Adaptation in Non-Stationary Tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Xiaoyu, Yu, En, Duan, Wei, Lu, Jie
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

Turning Drift into Constraint: Robust Reasoning Alignment in Non-Stationary Multi-Stream Environments
von: Yang, Xiaoyu, et al.
Veröffentlicht: (2025)

Resilient Contrastive Pre-training under Non-Stationary Drift
von: Yang, Xiaoyu, et al.
Veröffentlicht: (2025)

Walking the Tightrope: Disentangling Beneficial and Detrimental Drifts in Non-Stationary Custom-Tuning
von: Yang, Xiaoyu, et al.
Veröffentlicht: (2025)

Autonomous Drift Learning in Data Streams: A Unified Perspective
von: Yang, Xiaoyu, et al.
Veröffentlicht: (2026)

Evolving Machine Learning in Non-Stationary Environments: A Unified Survey of Drift, Forgetting, and Adaptation
von: Martin, Ignacio Cabrera, et al.
Veröffentlicht: (2025)

Drift-aware Collaborative Assistance Mixture of Experts for Heterogeneous Multistream Learning
von: Yu, En, et al.
Veröffentlicht: (2025)

Autonomous Concept Drift Threshold Determination
von: Lu, Pengqian, et al.
Veröffentlicht: (2025)

Heterogeneous Information-Bottleneck Coordination Graphs for Multi-Agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2026)

Generalized Incremental Learning under Concept Drift across Evolving Data Streams
von: Yu, En, et al.
Veröffentlicht: (2025)

Learning Robust Spectral Dynamics for Temporal Domain Generalization
von: Yu, En, et al.
Veröffentlicht: (2025)

Online Boosting Adaptive Learning under Concept Drift for Multistream Classification
von: Yu, En, et al.
Veröffentlicht: (2023)

Bandwidth-constrained Variational Message Encoding for Cooperative Multi-agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2025)

Towards Non-Stationary Time Series Forecasting with Temporal Stabilization and Frequency Differencing
von: Lu, Junkai, et al.
Veröffentlicht: (2025)

Right Now, Wrong Then: Non-Stationary Direct Preference Optimization under Preference Drift
von: Son, Seongho, et al.
Veröffentlicht: (2024)

Understanding Endogenous Data Drift in Adaptive Models with Recourse-Seeking Users
von: Liu, Bo-Yi, et al.
Veröffentlicht: (2025)

Tracking Drift: Variation-Aware Entropy Scheduling for Non-Stationary Reinforcement Learning
von: Wang, Tongxi, et al.
Veröffentlicht: (2026)

Detecting Model Drifts in Non-Stationary Environment Using Edit Operation Measures
von: Lee, Chang-Hwan, et al.
Veröffentlicht: (2025)

MORPH: Towards Automated Concept Drift Adaptation for Malware Detection
von: Alam, Md Tanvirul, et al.
Veröffentlicht: (2024)

A Unifying Perspective on Non-Stationary Kernels for Deeper Gaussian Processes
von: Noack, Marcus M., et al.
Veröffentlicht: (2023)

Enhancing Federated Domain Adaptation with Multi-Domain Prototype-Based Federated Fine-Tuning
von: Zhang, Jingyuan, et al.
Veröffentlicht: (2024)

Toward Robust and Harmonious Adaptation for Cross-modal Retrieval
von: Li, Haobin, et al.
Veröffentlicht: (2025)

Enhancing Graphical Lasso: A Robust Scheme for Non-Stationary Mean Data
von: Rey, Samuel, et al.
Veröffentlicht: (2025)

Non-Stationary Lipschitz Bandits
von: Nguyen, Nicolas, et al.
Veröffentlicht: (2025)

Early Concept Drift Detection via Prediction Uncertainty
von: Lu, Pengqian, et al.
Veröffentlicht: (2024)

Dynamic TMoE: A Drift-Aware Dynamic Mixture of Experts Framework for Non-Stationary Time Series Forecasting
von: Zhu, Jiawen, et al.
Veröffentlicht: (2026)

Robust Outlier Detection and Low-Latency Concept Drift Adaptation for Data Stream Regression: A Dual-Channel Architecture
von: Wang, Bingbing, et al.
Veröffentlicht: (2025)

Objective Matters: Fine-Tuning Objectives Shape Safety, Robustness, and Persona Drift
von: Vennemeyer, Daniel, et al.
Veröffentlicht: (2026)

Towards Robust Offline-to-Online Reinforcement Learning via Uncertainty and Smoothness
von: Wen, Xiaoyu, et al.
Veröffentlicht: (2023)

DARLING: Detection Augmented Reinforcement Learning with Non-Stationary Guarantees
von: Gerogiannis, Argyrios, et al.
Veröffentlicht: (2026)

Non-Stationary Restless Multi-Armed Bandits with Provable Guarantee
von: Hung, Yu-Heng, et al.
Veröffentlicht: (2025)

Mitigating Non-IID Drift in Zeroth-Order Federated LLM Fine-Tuning with Transferable Sparsity
von: Ran, Yide, et al.
Veröffentlicht: (2025)

Non-Stationary Functional Bilevel Optimization
von: Bohne, Jason, et al.
Veröffentlicht: (2026)

Adaptive Calibration in Non-Stationary Environments
von: Liu, Junyan, et al.
Veröffentlicht: (2026)

OpenworldAUC: Towards Unified Evaluation and Optimization for Open-world Prompt Tuning
von: Hua, Cong, et al.
Veröffentlicht: (2025)

Federated Learning Clients Clustering with Adaptation to Data Drifts
von: Li, Minghao, et al.
Veröffentlicht: (2024)

Learning to Bid in Non-Stationary Repeated First-Price Auctions
von: Hu, Zihao, et al.
Veröffentlicht: (2025)

Towards Unified Multi-task EEG Analysis with Low-Rank Adaptation
von: Dai, Sicheng, et al.
Veröffentlicht: (2026)

A Practical Algorithm for Feature-Rich, Non-Stationary Bandit Problems
von: Loh, Wei Min, et al.
Veröffentlicht: (2026)

Learning-to-Defer in Non-Stationary Time Series via Switching State-Space Models
von: Montreuil, Yannis, et al.
Veröffentlicht: (2026)

NoRA: Nested Low-Rank Adaptation for Efficient Fine-Tuning Large Models
von: Lin, Cheng, et al.
Veröffentlicht: (2024)