Foundational Models and Federated Learning: Survey, Taxonomy, Challenges and Practical Insights
Anzeige
Ähnliche Artikel
arXiv – cs.LG
•
LoFT: Parameter-Efficient Fine-Tuning for Long-tailed Semi-Supervised Learning in Open-World Scenarios
arXiv – cs.LG
•
CADENT: Gated Hybrid Distillation erhöht Sample‑Effizienz im RL um bis zu 60 %
arXiv – cs.LG
•
AutoCL: Automatisierte Augmentation verbessert Wearable‑Aktivitätserkennung
arXiv – cs.LG
•
BatCoder: Selbstüberwachtes Lernen von Code und Dokumentation via Back-Translation
arXiv – cs.LG
•
KI-Modelle für Cybersicherheit: Parameter‑Effizienz trifft große Sprachmodelle
arXiv – cs.LG
•
SEAM: Strukturierte Erfahrung verbessert LLM‑Leistung ohne Freeze