24 artykuły z tym tagiem
Amazon pokazuje krok po kroku, jak profilować TorchNeuron na AWS Trainium i analizować wydajność na przykładzie RMSNorm.
Metoda VISTA automatycznie dobiera kroki sterowania w dyfuzji dyskretnej, przyspieszając generowanie 5,35x bez istotnej straty jakości wyników.
Microsoft Research pokazuje, że czyszczenie kontekstu czatu agentów AI poprawia wyniki nawet o 66 procent przy tym samym budżecie obliczeniowym.
Kontrolowane badanie przy równym budżecie obliczeniowym pokazuje, że MCTS wypada gorzej od prostego planera z restartami w szeregowaniu grafów zadań DAG.
Nowe badanie z arXiv testuje odwracalne zapominanie kontekstu przez agentów AI – obniżyło koszty API nawet trzykrotnie, ale nie w każdym zadaniu.
Ai2 opisuje, jak budżety czasu GPU i fair-share zastąpiły priorytetowy scheduler, ograniczając squatting zasobów i inflację priorytetów na klastrach badawczych.
Framework ADSD łączy diagnozę błędów z reużywalnymi umiejętnościami solvera, redukując błąd o niemal 71 razy w testach przepływu mocy.
Naukowcy stworzyli router neurosymboliczny, który na Raspberry Pi osiąga 98,3% dokładności, wyprzedzając agentów AI i zużywając mniej energii.
Badanie na 59 zbiorach danych biomedycznych pokazuje, że AdamW pobija zaawansowane preconditionery w dostrajaniu TabPFN v2.5.
RBS-Attention rozwiązuje problem mean dilution i przyspiesza prefill w długim kontekście LLM nawet 20,65x na GPU H100, zachowując jakość modelu.
Badacze wykazali niestabilność ETD przy stałym kroku uczenia i zaproponowali RETD – metodę naprawiającą dynamikę off-policy TD learning bez zmiany punktu stałego.
Metoda converge-then-diversify (CTD) dzieli optymalizację bayesowską na etapy i przewyższa dotychczasowe metody w 72,9% testów.
