Liebe Besucherinnen und Besucher,

heute ab 15 Uhr feiern wir unser Sommerfest und sind daher nicht erreichbar. Ab morgen sind wir wieder wie gewohnt für Sie da. Wir bitten um Ihr Verständnis – Ihr Team von Sack Fachmedien

  • Neu
Ma / Guo / Zhao | Generalizing from Limited Resources in the Open World | E-Book | sack.de
E-Book

E-Book, Englisch, 196 Seiten

Reihe: Communications in Computer and Information Science

Ma / Guo / Zhao Generalizing from Limited Resources in the Open World

Third International Workshop, GLOW 2025, Held in Conjunction with IJCAI 2025, Montreal, Canada, August 16–22, 2025, Proceedings
Erscheinungsjahr 2025
ISBN: 978-981-950988-1
Verlag: Springer Singapore
Format: PDF
Kopierschutz: 1 - PDF Watermark

Third International Workshop, GLOW 2025, Held in Conjunction with IJCAI 2025, Montreal, Canada, August 16–22, 2025, Proceedings

E-Book, Englisch, 196 Seiten

Reihe: Communications in Computer and Information Science

ISBN: 978-981-950988-1
Verlag: Springer Singapore
Format: PDF
Kopierschutz: 1 - PDF Watermark



This book presents the proceedings from the Third International Workshop on Generalizing from Limited Resources in the Open World (GLOW) 2025 held in conjunction with the International Joint Conference on Artificial Intelligence, IJCAI 2025, in Montreal, Canada, during August 16-22, 2025.

The 12 full papers in this book were carefully reviewed and selected from 27 submissions. These papers focus on the academic exploration of efficient methodologies within the realm of artificial intelligence models. We concentrated on both data-efficient strategies, such as zero/few-shot learning and domain adaptation, as well as model-efficient approaches like model sparsification and compact model design.

Ma / Guo / Zhao Generalizing from Limited Resources in the Open World jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


.- Evaluating the Behavior of Small Language Models in Answering
Binary Question.

.- Event-Priori-Based Vision-Language Model for Efficient Visual
Understanding.

.- Prompt-Tuning Bandits: Enabling Few-Shot Generalization for Efficient
Multi-Task Offline RL.

.- GateLIP-X:Balancing Adaptation and Generalization in CLIP for
Real-World via a Training-Free Framework.

.- QSE: Mitigating LLM Hallucinations through Query-adaptive
Saliency-localized Activation Editing.

.- Meta-Learning with Heterogeneous Tasks.

.- DIN: Dynamical Interaction Network for Multi-Station Multi-Variable
Weather Prediction.

.- Towards Inclusive NLP: Assessing Compressed Multilingual
Transformers across Diverse Language Benchmarks.

.- Knowledge-Guided Structured Pruning for Multimodal Language Models .

.- Vision Transformers for End-to-End Quark-Gluon Jet Classification
from Calorimeter Images.

.- Special solutions with small volume exist.

.- Adaptive Contextual Embedding for Robust Far-View Borehole
Detection.

.- Class-Aware Sinkhorn-DRO for Few-Shot Domain Adaptation.



Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.