Intel（英特尔）

Block Sparse Flash Attention

块稀疏Flash注意力

Daniel Ohayon, Itay Lamprecht, Itay Hubara, Israel Cohen, Daniel Soudry, Noam Elata

机构 * Technion -- Israel Institute of Technology, Haifa, Israel（技术离子-以色列理工学院, 海法, 以色列） ； Intel -- Habana Labs, Tel Aviv, Israel（英特尔 -- Habana实验室, 特拉维夫, 以色列） 纠错

AI总结 块稀疏Flash注意力通过精确计算查询-键相似性，提升长上下文推理效率并保持高准确性。

Comments 10 pages, 5 figures. Code: https://github.com/Danielohayon/Block-Sparse-Flash-Attention

The MICCAI Federated Tumor Segmentation (FeTS) Challenge 2024: Efficient and Robust Aggregation Methods for Federated Learning

MICCAI 2024 联邦肿瘤分割挑战：联邦学习中高效且稳健的权重聚合方法

Akis Linardos, Sarthak Pati, Ujjwal Baid, Brandon Edwards, Patrick Foley, Kevin Ta, Verena Chung, Micah Sheller, Muhammad Irfan Khan, Mojtaba Jafaritadi, Elina Kontio, Suleiman Khan, Leon Mächler, Ivan Ezhov, Suprosanna Shit, Johannes C. Paetzold, Gustav Grimberg, Manuel A. Nickel, David Naccache, Vasilis Siomos, Jonathan Passerat-Palmbach, Giacomo Tarroni, Daewoon Kim, Leonard L. Klausmann, Prashant Shah, Bjoern Menze, Dimitrios Makris, Spyridon Bakas

机构 * Department of Pathology and Laboratory Medicine, Indiana University School of Medicine（印第安纳大学医学院病理学与实验室医学系） ； Center for Federated Learning in Medicine, Indiana University School of Medicine（印第安纳大学医学院医学联邦学习中心） ； Medical AI Group, MLCommons（MLCommons医学人工智能小组） ； Intel Corporation（英特尔公司） ； Sage Bionetworks（Sage生物网络） ； Turku University of Applied Sciences（图尔库应用科学大学） ； Stanford University（斯坦福大学） ； Ecole Normale Supérieure（巴黎高等师范大学） ； Technical University of Munich（慕尼黑技术大学） ； Weill Cornell Medicine（韦尔医学院） ； Ezri AI Labs（Ezri AI实验室） ； City St George’s, University of London（伦敦大学城市学院） ； Imperial College London（伦敦帝国学院） ； Seoul National University（首尔国立大学） ； Ostbayerische Technische Hochschule (OTH) Regensburg（雷根斯堡应用技术大学） ； Universität Zürich（苏黎世大学） ； Kingston University London（伦敦金史密斯学院） ； Departments of Radiology and Imaging Sciences（印第安纳大学医学院放射学与影像科学系；神经外科系；生物统计学与健康数据科学系） ； Neurological Surgery（印第安纳大学计算机科学系；Luddy信息学、计算与工程学院） ； Biostatistics and Health Data Science, Indiana University School of Medicine ； Department of Computer Science, Luddy School of Informatics, Computing and Engineering, Indiana University 纠错

AI总结 MICCAI 2024挑战提出基于PID控制器的联邦学习方法，提升肿瘤分割的鲁棒性和效率，实现高DSC和低HD95的优异性能。

Comments Published at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:033

Journal ref Machine.Learning.for.Biomedical.Imaging. 3 (2025)