Buchumschlag

Spend Less, Fit Better: Budget-Efficient Scaling Law Fitting via Active Experiment Selection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Sijie, Li, Shanda, Lin, Haowei, Sun, Weiwei, Talwalkar, Ameet, Yang, Yiming
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

CoMind: Towards Community-Driven Agents for Machine Learning Engineering
von: Li, Sijie, et al.
Veröffentlicht: (2025)

FrontierCO: Real-World and Large-Scale Evaluation of Machine Learning Solvers for Combinatorial Optimization
von: Feng, Shengyu, et al.
Veröffentlicht: (2025)

CodePDE: An Inference Framework for LLM-driven PDE Solver Generation
von: Li, Shanda, et al.
Veröffentlicht: (2025)

Sample Complexity and Representation Ability of Test-time Scaling Paradigms
von: Huang, Baihe, et al.
Veröffentlicht: (2025)

Spend Less, Reason Better: Budget-Aware Value Tree Search for LLM Agents
von: Li, Yushu, et al.
Veröffentlicht: (2026)

UPS: Efficiently Building Foundation Models for PDE Solving via Cross-Modal Adaptation
von: Shen, Junhong, et al.
Veröffentlicht: (2024)

Learn Hard Problems During RL with Reference Guided Fine-tuning
von: Wu, Yangzhen, et al.
Veröffentlicht: (2026)

Agreement-Based Cascading for Efficient Inference
von: Kolawole, Steven, et al.
Veröffentlicht: (2024)

(Mis)Fitting: A Survey of Scaling Laws
von: Li, Margaret, et al.
Veröffentlicht: (2025)

The Impact of Element Ordering on LM Agent Performance
von: Chi, Wayne, et al.
Veröffentlicht: (2024)

Maximal Update Parametrization and Zero-Shot Hyperparameter Transfer for Fourier Neural Operators
von: Li, Shanda, et al.
Veröffentlicht: (2025)

Active Budget Allocation for Efficient Scaling Law Estimation via Surrogate-Guided Pruning
von: Schram, Viktoria, et al.
Veröffentlicht: (2026)

Efficient Budget Allocation for Large-Scale LLM-Enabled Virtual Screening
von: Li, Zaile, et al.
Veröffentlicht: (2024)

Provably tuning the ElasticNet across instances
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2022)

Stochastic Hessian Fittings with Lie Groups
von: Li, Xi-Lin
Veröffentlicht: (2024)

Bayesian Neural Scaling Law Extrapolation with Prior-Data Fitted Networks
von: Lee, Dongwoo, et al.
Veröffentlicht: (2025)

TFG-Flow: Training-free Guidance in Multimodal Generative Flow
von: Lin, Haowei, et al.
Veröffentlicht: (2025)

OstQuant: Refining Large Language Model Quantization with Orthogonal and Scaling Transformations for Better Distribution Fitting
von: Hu, Xing, et al.
Veröffentlicht: (2025)

Selecting Large Language Model to Fine-tune via Rectified Scaling Law
von: Lin, Haowei, et al.
Veröffentlicht: (2024)

Learning to Relax: Setting Solver Parameters Across a Sequence of Linear System Instances
von: Khodak, Mikhail, et al.
Veröffentlicht: (2023)

Cram Less to Fit More: Training Data Pruning Improves Memorization of Facts
von: Ye, Jiayuan, et al.
Veröffentlicht: (2026)

One Sample Fits All: Approximating All Probabilistic Values Simultaneously and Efficiently
von: Li, Weida, et al.
Veröffentlicht: (2024)

Steering Generative Models with Experimental Data for Protein Fitness Optimization
von: Yang, Jason, et al.
Veröffentlicht: (2025)

Multitask Learning Can Improve Worst-Group Outcomes
von: Kulkarni, Atharva, et al.
Veröffentlicht: (2023)

Monge-Kantorovich Fitting With Sobolev Budgets
von: Kobayashi, Forest, et al.
Veröffentlicht: (2024)

FedFitTech: A Baseline in Federated Learning for Fitness Tracking
von: Oz, Zeyneddin, et al.
Veröffentlicht: (2025)

Multi-Scale Representation Learning for Protein Fitness Prediction
von: Zhang, Zuobai, et al.
Veröffentlicht: (2024)

Where Does My Model Underperform? A Human Evaluation of Slice Discovery Algorithms
von: Johnson, Nari, et al.
Veröffentlicht: (2023)

Beyond One-Size-Fits-All: Tailored Benchmarks for Efficient Evaluation
von: Yuan, Peiwen, et al.
Veröffentlicht: (2025)

On the Empirical Power of Goodness-of-Fit Tests in Watermark Detection
von: He, Weiqing, et al.
Veröffentlicht: (2025)

Bias Fitting to Mitigate Length Bias of Reward Model in RLHF
von: Zhao, Kangwen, et al.
Veröffentlicht: (2025)

GEM-T: Generative Tabular Data via Fitting Moments
von: Li, Miao, et al.
Veröffentlicht: (2025)

Fitting Unknown Number of Hyperplanes with Manifold Optimization
von: Cheng, Zhiqin, et al.
Veröffentlicht: (2026)

Diffusion & Adversarial Schrödinger Bridges via Iterative Proportional Markovian Fitting
von: Kholkin, Sergei, et al.
Veröffentlicht: (2024)

Representational Alignment with Chemical Induced Fit for Molecular Relational Learning
von: Zhang, Peiliang, et al.
Veröffentlicht: (2025)

Auto-Encoding Goodness of Fit
von: Palmer, Aaron, et al.
Veröffentlicht: (2022)

Time Matters: Scaling Laws for Any Budget
von: Inbar, Itay, et al.
Veröffentlicht: (2024)

HyperFitS -- Hypernetwork Fitting Spectra for metabolic quantification of ${}^1$H MR spectroscopic imaging
von: Weiser, Paul J., et al.
Veröffentlicht: (2026)

Integral Operator Approaches for Scattered Data Fitting on Spheres
von: Lin, Shao-Bo
Veröffentlicht: (2024)

Everybody Prune Now: Structured Pruning of LLMs with only Forward Passes
von: Kolawole, Steven, et al.
Veröffentlicht: (2024)