:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schram, Viktoria, Hiller, Markus, Beck, Daniel, Cohn, Trevor
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2605.17234
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Zero-Shot Performance Prediction for Probabilistic Scaling Laws
von: Schram, Viktoria, et al.
Veröffentlicht: (2025)

Spend Less, Fit Better: Budget-Efficient Scaling Law Fitting via Active Experiment Selection
von: Li, Sijie, et al.
Veröffentlicht: (2026)

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

Don't Ignore the Tail: Decoupling top-K Probabilities for Efficient Language Model Distillation
von: Dasgupta, Sayantan, et al.
Veröffentlicht: (2026)

Active Measurement: Efficient Estimation at Scale
von: Hamilton, Max, et al.
Veröffentlicht: (2025)

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

A Hitchhiker's Guide to Scaling Law Estimation
von: Choshen, Leshem, et al.
Veröffentlicht: (2024)

Budgeted Online Active Learning with Expert Advice and Episodic Priors
von: Goebel, Kristen, et al.
Veröffentlicht: (2025)

Towards Multi-Fidelity Scaling Laws of Neural Surrogates in CFD
von: Setinek, Paul, et al.
Veröffentlicht: (2025)

Fine-grained Token Allocation Via Operation Pruning for Efficient MLLMs
von: Liu, Aoming, et al.
Veröffentlicht: (2025)

Knowledge Localization in Mixture-of-Experts LLMs Using Cross-Lingual Inconsistency
von: Bandarkar, Lucas, et al.
Veröffentlicht: (2026)

Budgeted Attention Allocation: Cost-Conditioned Compute Control for Efficient Transformers
von: Nidhi, Amrit
Veröffentlicht: (2026)

Adaptive Budget Allocation in LLM-Augmented Surveys
von: Ye, Zikun, et al.
Veröffentlicht: (2026)

Multi-Task Combinatorial Bandits for Budget Allocation
von: Ge, Lin, et al.
Veröffentlicht: (2024)

Beyond Token Eviction: Mixed-Dimension Budget Allocation for Efficient KV Cache Compression
von: Miao, Ruijie, et al.
Veröffentlicht: (2026)

P$^2$ Law: Scaling Law for Post-Training After Model Pruning
von: Chen, Xiaodong, et al.
Veröffentlicht: (2024)

Capability-Guided Compression: Toward Interpretability-Aware Budget Allocation for Large Language Models
von: Gupta, Rishaank
Veröffentlicht: (2026)

Multi-EuP: The Multilingual European Parliament Dataset for Analysis of Bias in Information Retrieval
von: Yang, Jinrui, et al.
Veröffentlicht: (2023)

Budgeted LoRA: Distillation as Structured Compute Allocation for Efficient Inference
von: Sabry, Mohammed, et al.
Veröffentlicht: (2026)

xLSTM Scaling Laws: Competitive Performance with Linear Time-Complexity
von: Beck, Maximilian, et al.
Veröffentlicht: (2025)

The Dark Side of Rich Rewards: Understanding and Mitigating Noise in VLM Rewards
von: Huang, Sukai, et al.
Veröffentlicht: (2024)

Scaling Laws for Uncertainty in Deep Learning
von: Rosso, Mattia, et al.
Veröffentlicht: (2025)

Uncertainty Guided Online Ensemble for Non-stationary Data Streams in Fusion Science
von: Rajput, Kishansingh, et al.
Veröffentlicht: (2025)

The Neural Pruning Law Hypothesis
von: Barbulescu, Eugen, et al.
Veröffentlicht: (2025)

ZEBRA: Zero-shot Budgeted Resource Allocation for LLM Orchestration
von: Hamri, May, et al.
Veröffentlicht: (2026)

Budget Allocation for Unknown Value Functions in a Lipschitz Space
von: Bateni, MohammadHossein, et al.
Veröffentlicht: (2025)

Knapsack RL: Unlocking Exploration of LLMs via Optimizing Budget Allocation
von: Li, Ziniu, et al.
Veröffentlicht: (2025)

Accelerating PDE Surrogates via RL-Guided Mesh Optimization
von: Meng, Yang, et al.
Veröffentlicht: (2026)

LLM on a Budget: Active Knowledge Distillation for Efficient Classification of Large Text Corpora
von: Luccioli, Viviana, et al.
Veröffentlicht: (2025)

Hallucination Detection on a Budget: Efficient Bayesian Estimation of Semantic Entropy
von: Ciosek, Kamil, et al.
Veröffentlicht: (2025)

Towards Efficient Disaster Response via Cost-effective Unbiased Class Rate Estimation through Neyman Allocation Stratified Sampling Active Learning
von: Bai, Yanbing, et al.
Veröffentlicht: (2024)

Scalable Inference-Time Annealing with Surrogate Likelihood Estimators
von: Peñaherrera, Daniel, et al.
Veröffentlicht: (2026)

Online Resource Allocation with Average Budget Constraints
von: Ao, Ruicheng, et al.
Veröffentlicht: (2024)

BESA: Pruning Large Language Models with Blockwise Parameter-Efficient Sparsity Allocation
von: Xu, Peng, et al.
Veröffentlicht: (2024)

Foundation-Model Surrogates Enable Data-Efficient Active Learning for Materials Discovery
von: Hu, Jeffrey, et al.
Veröffentlicht: (2026)

Optimal Perturbation Budget Allocation for Data Poisoning in Offline Reinforcement Learning
von: Qiu, Junnan, et al.
Veröffentlicht: (2025)

Language Model-Driven Data Pruning Enables Efficient Active Learning
von: Azeemi, Abdul Hameed, et al.
Veröffentlicht: (2024)

TT-Prune: Joint Model Pruning and Resource Allocation for Communication-efficient Time-triggered Federated Learning
von: Zhang, Xinlu, et al.
Veröffentlicht: (2025)

Efficient Estimation of Kernel Surrogate Models for Task Attribution
von: Zhang, Zhenshuo, et al.
Veröffentlicht: (2026)

BRIDGE: Budget-aware Reasoning via Intermediate Distillation with Guided Examples
von: Le, Xuan-An, et al.
Veröffentlicht: (2025)