🪐Четыре статьи BRAIn Lab приняты на EMNLP 2026!
Мы рады сообщить, что сразу четыре наших работы прошли отбор на одну из главных мировых конференций по обработке естественного языка - EMNLP 2026.
💡 Что вошло в программу:
⏺Rethinking the Role of Tensor Decompositions in Post-Training LLM Compression - переосмысление тензорных разложений в квантовании LLM; статья во многом с отрицательными результатами, полезными сообществу.
⏺HARP: Hadamard-Preconditioned Adaptive Rotation Processor for Extreme LLM Quantization - обучаемое адамарово преобразование для квантования моделей.
⏺WRDO: Weighted Refusal Direction Optimization in Aligned Language Models - более эффективный способ внедрения направлений отказа (запрета определенных тематик) в LLM.
⏺Dynamic LoRA Rank Allocation via Simplex-Constrained Optimization - способ неравномерного и динамического распределения рангов LoRA, исходя из важности слоев с точки зрения оптимизации.
💅Интересно, что мы подаем статьи на EMNLP впервые. И такой результат не может не радовать и говорит о довольно активном освоении нами области NLP.
Благодарим всех авторов за проделанную работу и поздравляем с заслуженным успехом!
Мы рады сообщить, что сразу четыре наших работы прошли отбор на одну из главных мировых конференций по обработке естественного языка - EMNLP 2026.
💡 Что вошло в программу:
⏺Rethinking the Role of Tensor Decompositions in Post-Training LLM Compression - переосмысление тензорных разложений в квантовании LLM; статья во многом с отрицательными результатами, полезными сообществу.
⏺HARP: Hadamard-Preconditioned Adaptive Rotation Processor for Extreme LLM Quantization - обучаемое адамарово преобразование для квантования моделей.
⏺WRDO: Weighted Refusal Direction Optimization in Aligned Language Models - более эффективный способ внедрения направлений отказа (запрета определенных тематик) в LLM.
⏺Dynamic LoRA Rank Allocation via Simplex-Constrained Optimization - способ неравномерного и динамического распределения рангов LoRA, исходя из важности слоев с точки зрения оптимизации.
💅Интересно, что мы подаем статьи на EMNLP впервые. И такой результат не может не радовать и говорит о довольно активном освоении нами области NLP.
Благодарим всех авторов за проделанную работу и поздравляем с заслуженным успехом!