resource-constrained scenarios | BriefGPT

关键词resource-constrained scenarios

搜索结果 - 7

ICML利用人工智能辅助策略优化标注预算的野外录音数据集创建实务方面的问题
机器听觉的研究聚焦于开发从音频信号中提取相关信息的技术，本文强调了在获取和标注具有上下文的数据方面的重要性，提出了一种综合的数据中心框架用于机器听觉项目，在资源受限的情况下实现配置录音节点、数据库结构和标注预算优化，通过使用专家标注员而非众
PDFa month ago
量化 LLM 在规模和精度方面的能力
通过对模型规模和量化的综合评估，发现在各种任务中，规模较大的模型通常优于规模较小的模型，同时大规模模型对于精度降低有很好的韧性，可在较小的内存要求下保持高准确性，因此它们比使用更小的模型更好。
PDF2 months ago
6G 时代资源高效的移动边缘生成网络：基础、框架和案例研究
将生成式人工智能（GAI）与边缘计算网络结合，提出了生成式移动边缘网络的概念，并概述了广泛采用的 GAI 技术及其在移动边缘网络中的应用。在资源受限场景下，通过设计资源高效的方法、制定适当的激励机制以及利用生成扩散模型（GDMs）找到最优的
PDF6 months ago
自适应局部步骤联邦学习的收敛分析驱动下差分隐私
在资源受限的情况下重新考虑差分隐私联邦学习的框架，并分析其在收敛性方面的情况，提出了自适应本地步差分隐私联邦学习 (ALS-DPFL) 算法。通过在 FashionMNIST 和 CIFAR-10 数据集上的实验，相对于以往的工作，我们取得
PDF10 months ago
KDD约束感知和排名蒸馏的令牌剪枝用于高效的 Transformer 推理
本文提出了一种基于约束感知和排名提取的令牌剪枝方法 ToP，可在保持准确性的同时提高模型的在线推理速度。在 GLUE 基准和 SQuAD 任务上的广泛实验表明，ToP 优于现有的令牌剪枝和模型压缩方法，并提供高达 7.4 倍的实际延迟加速。
PDFa year ago
平衡即本质：通过自适应梯度修正加速稀疏训练
本文针对深度神经网络在资源受限情况下需付出昂贵的内存和计算代价的问题，提出一种基于梯度修正的自适应稀疏训练方法，实现了时间和空间的双重高效率，并在多个数据集、模型体系结构和稀疏性上展开实验，结果表明，与同类方法相比，本文所提出的方法能够在相
PDFa year ago
通用策略映射：仿生昆虫大脑的在线连续强化学习
我们基于昆虫大脑开发了一种在线连续或终身强化学习模型，该模型通过离线训练特征提取和公共通用策略层，实现了 RL 算法在在线环境中的收敛，而在任务之间共享通用策略层则导致了积极的反向迁移，这为资源受限场景下的高效在线 RL 提供了途径。
PDF2 years ago