Accelerating Neural Networks for Large Language Models and Graph Processing with Silicon Photonics
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments Spotlight Paper at the Workshop on Machine Learning for Creativity and Design, 37th Conference on Neural Information Processing Systems (NeurIPS 2023). 5 pages, 5 figures
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments 9 pages
专题命中 效率与部署 :language model(title,abstract);LLM(title);large language model(abstract);分类 cs.AI
Comments 10 pages, 5 figures, 2 tables
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
Comments IEEE Communication Magazine
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
Comments Edited the abstract to better communicate the scope of the work
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
Comments Supplementary information will be available upon request
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments To appear at EMNLP 2023 Demo; Code is available at https://github.com/OpenLMLab/collie
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments 11 pages
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
Comments 16 pages
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments Work in progress
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments EMNLP 2023 main conference, paper link at https://github.com/hyintell/awesome-refreshing-llms
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments EMNLP 2022 Industry Track
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments Transactions on Machine Learning Research (TMLR), 2022
专题命中 效率与部署 :language model(title,abstract);post-training(title,abstract);分类 cs.CL
基于多目标黑盒优化与大语言模型的高效机器人设计
机构 * The University of Tokyo(东京大学)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(comments)
AI总结 本文提出利用大语言模型提升黑盒优化在机器人本体设计中的效率,通过结合LLMs与传统黑盒优化方法,实现更高效的解决方案探索。
Comments Accepted to IEEE Access, website: https://haraduka.github.io/urdf-llm-opt/ , video: https://www.youtube.com/watch?v=N9iMjx7of1w
Flama:用于开发和部署生产级API、机器学习及大语言模型服务的Python框架
专题命中 效率与部署 :LLM(title,summary_cn);分类 cs.AI、cs.LG
AI总结 Flama是一款开源Python框架,基于ASGI构建,统一REST API开发、ML服务与LLM推理,含七大子系统及多项内置功能,可支持多后端LLM部署等场景。
Comments 83 pages, 6 figures, 1 table. Software available at https://github.com/vortico/flama, up-to-date documentation at https://flama.dev
TokenPowerSandbox:面向能源感知大语言模型服务的证据门控CPU优先筛选
专题命中 效率与部署 :LLM(title,summary_cn);分类 cs.AI、cs.LG
AI总结 TokenPowerSandbox是面向能源感知LLM服务的证据门控CPU优先筛选工作流,结合CPU投影器、GPU探测等技术,在H100上评估Qwen2.5-7B-Instruct,验证了能源与延迟预测的关联及弃权门控的必要性。
通过策略内自蒸馏缓解大语言模型评审员中的评分标准干扰
机构 * Peking University(北京大学) ; Weixin Al, Tencent Inc(腾讯公司微信智能)
专题命中 效率与部署 :LLM(title,summary_cn);分类 cs.AI、cs.LG
AI总结 本研究针对LLM评审员多评分标准评估时的干扰问题,提出SARA方法,通过策略内自蒸馏提升评估一致性,且该一致性可跨数据集迁移。
MD-ProTector:为大语言模型生成文本检测定位多个数据驱动原型
机构 * Seoul National University(首尔大学)
专题命中 效率与部署 :LLM(title,summary_cn);分类 cs.CL、cs.AI
AI总结 该研究针对LLM生成文本检测的类别内部差异问题,提出MD-ProTector模型,通过原型定位损失优化,在多基准测试中取得优于同类编码器方法的检测性能。
DistillCache:基于KL引导的自适应KV缓存驱逐的内存高效大语言模型推理
机构 * Oklahoma State University(俄克拉荷马州立大学)
专题命中 效率与部署 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.AI、cs.LG
AI总结 DistillCache是一种强化学习框架,将KV缓存驱逐建模为序列决策问题,在25%缓存预算下,在LongBench上保留全缓存94.2%的准确率,优于多种基线方法,可提升推理吞吐量。
Comments 20 pages, 5 figures
LiveMem:在长期运行的大语言模型推理中维持记忆状态连续性
机构 * Southern University of Science and Technology(南方科技大学) ; Xidian University(西安电子科技大学)
专题命中 效率与部署 :LLM(title,summary_cn);post-training(abstract);分类 cs.CL、cs.LG
AI总结 该研究针对长期运行LLM推理中上下文切换导致状态不连续的问题,提出LiveMem方法,通过引入独立于活跃上下文的持久记忆状态,实现状态连续性,在LongMemEval等测试中表现领先。
我们所观察到的大语言模型(LLM)行为可能是推理后端的副作用
专题命中 效率与部署 :LLM(title,title_cn);分类 cs.AI、cs.LG
AI总结 该研究发现推理后端是影响LLM基准测试分数的不可忽视因素,约39%的分数变异性源于后端,建议披露后端信息及完整生成配置以提升结果可靠性。