- 大型语言模型与社会机器人交叉领域的伦理考虑的实证设计公正方法
将大型语言模型 (LLM) 与社交机器人整合在一起存在一系列独特的伦理挑战和社会影响。本研究旨在识别这两种技术结合时出现的伦理考虑。使用 LLM 进行社交机器人可能带来益处,如实现自然语言开放领域对话。然而,这两种技术的交叉也引发了与错误信 - 结构再参数化网络的低比特量化异常值感知训练
通过在模型架构和压缩技术上进行协同设计,卷积神经网络(CNN)的轻量化设计需要努力。作为一种新颖的设计范式,结构再参数化(SR)网络如代表性的 RepVGG 使简单的 VGG-like 网络以高度准确性得到重塑,与先进且通常更复杂的网络相当 - 神经形态学仿真设计
通过协同设计算法与架构,分析神经形态计算领域中脉冲神经网络算法和柔性硬件的发展,使用刺猬狩猎模型揭示脉冲算法或架构独立推进该领域所面临的挑战,并倡导战略性的追求以推动神经形态计算的发展。
- DLAS:深度学习加速器方案的探索与评估
深度神经网络的加速和优化在资源有限的设备上是具有挑战性的,这篇论文结合了机器学习和系统技术,在 Deep Learning Acceleration Stack (DLAS) 中演示了如何通过整合不同层面的改进技术来提高加速效果,并强调了由 - 价值敏感对话代理共设计框架
以创造共同设计和有关利益相关者的价值观的敏感型对话代理 (VSCA) 框架为目标,本文总结了共同设计价值敏感型对话代理的需求,并提出了一个实用的框架和工具包用于引导对话代理实现,从而创造具有价值体现的原型。最后,提出了一个评估协议,通过设计 - 多保真训练在通用策略网络上进行的机器人代理简化设计
通过 Hyperband 方法,我们建议一种多保真度的设计探索策略,以改善协同设计中控制器学习的样本效率,并通过普适策略学习器将学习到的控制器与设计空间相结合,以 warm-start 新的控制器学习问题。实验结果表明,我们的方法相比基准方 - 在协同设计环境中的全球物流逻辑编程方法
在协同设计环境中,快速且自动地集成变化是一项挑战。本文考虑了在协同设计方法中,针对关键绩效指标(如成本、时间或弹性)创建和优化全球物流系统以建造客机的挑战。本文的目标是找到一种构建飞机的最佳方式,并考虑其工业系统的要求。研究采用 Answe - Chakra: 通过标准化执行痕迹推进性能基准测试和协同设计
提出了一种名为 Chakra 的开放图谱模式,用于标准化工作负载规范,并提供了一组工具 / 功能,使各种模拟器、仿真器和基准测试能够收集、生成和采用 Chakra ETs,以推动未来人工智能系统的协同设计。
- 低分辨率图像的视觉地点识别
本研究分析了图像分辨率对基于手工制作的 Visual Place Recognition (VPR) 管道的精度和鲁棒性的影响,并旨在帮助学术研究人员和公司在硬件和软件行业共同设计 VPR 解决方案以及扩展 VPR 算法在商业产品中的应用。
- ICLRSoftZoo: 一个软体机器人共设计基准,用于在多样化环境中进行运动
SoftZoo 是一个理解软体机器人内在设计和性能权衡的全面虚拟平台,支持多种环境和任务,提供不同 iable 的设计表示和协同设计算法的基准测试,可用于开发和设计软体机器人的行为和形态智能。
- 用于无线网络系统的深度学习:联合估计 - 控制 - 调度方法
探究基于无线网络控制系统的深度学习协同设计,使用新型深度强化学习算法与 AoI 技术构建控制器和调度器,提高数据准确性并增强联合训练的稳定性,以此解决传统设计方法中大量难以有效解决的问题,并在不同场景中提供显著的性能表现.
- CoCoPIE XGen:一种面向全栈的 AI 优化框架
XGen 是一个优化 DNN 的框架,采用横向协作设计,侧重于在边缘设备上运行实时 AI 应用程序,其优化包括创新的全栈 AI 优化,能够优化各种深度学习神经网络,生成比现有 DNN 框架更快、精度相同的代码。
- 现代数据密集型应用的异构数据中心架构:机器学习和数据库的案例研究
本研究通过对数据访问和计算模式的分析,以深度优化算法和硬件,提出了两种利用 PIM 范式进行机器学习和混合事务 / 分析处理的数据中心架构。
- MM4C: 一种用于 CAV 的计算、 通信、控制协同设计框架
本文提出了一种名为 4C 的端到端设计原则,通过提供统一的通信,计算和控制共设计框架扩展了 V-IoT 系统,增强了互联和自主驾驶技术的响应性和效率。同时,本文介绍了实现 4C 框架的挑战。
- 极端低时延低误码率通信:愿景、挑战和关键要素
本研究提出了 xURLLC 新理念,通过机器学习技术、RF 与 non-RF 模式融合以及通信与控制协同设计三种核心技术支撑,打破了 5G URLLC 中的通信中心化思维,提出新的研究方向。同时,针对关键应用场景提出一套完整的解决方案与技术 - 量子计算机系统用于科学发现
通过共同设计全栈量子计算机系统以及与它们的应用程序来加速其发展和科学发现的潜力,在本文中,我们识别了科学和社区需求,机遇和一些用例研究,以及在未来的 2-10 年内为量子计算机的科学发展应用带来的显着挑战。
- 通过诱导 ReLU 稳定性进行更快的对抗鲁棒性验证训练
本篇论文研究神经网络验证中的协同设计概念,并通过改进权重稀疏性和 ReLU 稳定性的方法,将计算困难的验证问题转化为可处理的问题,并改善了验证的速度,该方法具有普适性。
- MM嵌入式视觉应用的深度神经网络和神经网络加速器的共同设计
本文研究如何进行神经网络模型和加速器的协同设计,展示了这样的设计可以大幅提升深度学习的性能。