Buchumschlag

skfrost19/Cross-Encoder-Lion-vs-AdamW: Initial Release

Fuente: Zenodo

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Shahil Kumar
Format:	Recurso digital
Veröffentlicht:	Zenodo 2025
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Comparative Analysis of Lion and AdamW Optimizers for Cross-Encoder Reranking with MiniLM, GTE, and ModernBERT
von: Kumar, Shahil, et al.
Veröffentlicht: (2025)

Uniform Scaling Limits in AdamW-Trained Transformers
von: Gibson, William, et al.
Veröffentlicht: (2026)

Optimizer-Induced Mode Connectivity: From AdamW to Muon
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2026)

APOLLO: SGD-like Memory, AdamW-level Performance
von: Zhu, Hanqing, et al.
Veröffentlicht: (2024)

HomeAdam: Adam and AdamW Algorithms Sometimes Go Home to Obtain Better Provable Generalization
von: Huang, Feihu, et al.
Veröffentlicht: (2026)

Implicit Bias of AdamW: $\ell_\infty$ Norm Constrained Optimization
von: Xie, Shuo, et al.
Veröffentlicht: (2024)

Beyond First-Order: Training LLMs with Stochastic Conjugate Subgradients and AdamW
von: Zhang, Di, et al.
Veröffentlicht: (2025)

How to set AdamW's weight decay as you scale model and dataset size
von: Wang, Xi, et al.
Veröffentlicht: (2024)

Navigating LLM Valley: From AdamW to Memory-Efficient and Matrix-Based Optimizers
von: Ranganath, Aditya
Veröffentlicht: (2026)

DP-AdamW: Investigating Decoupled Weight Decay and Bias Correction in Private Deep Learning
von: Chooi, Jay, et al.
Veröffentlicht: (2025)

First-Passage Prediction of Grokking Delay: ACalibrated Law under AdamW with Causal Validation
von: Khanh, Truong Xuan, et al.
Veröffentlicht: (2026)

Convergence Rate Analysis of the AdamW-Style Shampoo: Unifying One-Sided and Two-Sided Preconditioning
von: Li, Huan, et al.
Veröffentlicht: (2026)

On the $O(\frac{\sqrt{d}}{K^{1/4}})$ Convergence Rate of AdamW Measured by $\ell_1$ Norm
von: Li, Huan, et al.
Veröffentlicht: (2025)

When Fine-Tuning Fails: Lessons from MS MARCO Passage Ranking
von: Pande, Manu, et al.
Veröffentlicht: (2025)

Adaptive IQ and IMQ-RBFs for solving Initial Value Problems: Adam-Bashforth and Adam-Moulton methods
von: Rathan, Samala, et al.
Veröffentlicht: (2023)

mskrcnis/FBFA-Federated-Feature-Selection: Initial Release
von: S Kumar Reddy Mallidi
Veröffentlicht: (2025)

Belief-Aware VLM Model for Human-like Reasoning
von: Nayak, Anshul, et al.
Veröffentlicht: (2026)

Generalized Advantage Estimation for Distributional Policy Gradients
von: Shaik, Shahil, et al.
Veröffentlicht: (2025)

Multi-Agent Deep Reinforcement Learning Under Constrained Communications
von: Shaik, Shahil, et al.
Veröffentlicht: (2026)

hpslib/hpsmultidomain: Initial Release
von: Joseph Kump, et al.
Veröffentlicht: (2025)

franciellevargas/CER: Initial Release
von: Francielle Vargas
Veröffentlicht: (2025)

alvinchangw/COMET: Initial Release
von: alvinchangw
Veröffentlicht: (2025)

Foxtsage vs. Adam: Revolution or Evolution in Optimization?
von: Aula, Sirwan A., et al.
Veröffentlicht: (2024)

John-Ragland/pygenray: Initial Release
von: Ragland, John
Veröffentlicht: (2025)

John-Ragland/pygenray: Initial Release
von: John Ragland
Veröffentlicht: (2025)

tripodlaboratories/actigraphy-frailty: Initial Release
von: Tony Culos
Veröffentlicht: (2026)

mfbliposome/AmphiFoundation: Initial Release
von: hliu56
Veröffentlicht: (2026)

Mexico vs. China / John A. Adams, Jr
von: A. Adams, John

No More Adam: Learning Rate Scaling at Initialization is All You Need
von: Xu, Minghao, et al.
Veröffentlicht: (2024)

kunlunW/UniFORM: v1.0.0 – Initial Release: Feature‑Level Normalization Pipeline
von: Kunlun (Mark) Wang
Veröffentlicht: (2025)

Machine Translation with Large Language Models: Decoder Only vs. Encoder-Decoder
von: M., Abhinav P., et al.
Veröffentlicht: (2024)

araimacarol/Empirical-Network-Classifier: Initial Release
von: Raima
Veröffentlicht: (2025)

isabel-elise/molveric-app: Initial Release
von: Isabel Elise
Veröffentlicht: (2025)

EarthyScience/RQADeforestation.jl: Initial Release
von: Daniel Loos, et al.
Veröffentlicht: (2025)

Igebril/Teleconnection-Hail-Analysis: Initial Release
von: Igebril
Veröffentlicht: (2025)

DevSciHub/ontlr: Initial Release
von: Dev Sci Space
Veröffentlicht: (2025)

RAVIMAKANI9/DE-COT: Initial Release
von: Makani Ravi, et al.
Veröffentlicht: (2026)

iveymistele/Bluesky-Bot-Detection: Initial Release
von: Ivey Mistele
Veröffentlicht: (2026)

PPLResearch/BESS-Analysis: Initial Data Release
von: PPLResearch
Veröffentlicht: (2026)

ASE_DiVerify_Artifact: Initial Release
von: Anonymous
Veröffentlicht: (2026)