Princeton University（普林斯顿大学）

Quantization-Aware Collaborative Inference for Large Embodied AI Models

量化感知的协作推理用于大体型具身AI模型

Zhonghao Lyu, Ming Xiao, Mikael Skoglund, Merouane Debbah, H. Vincent Poor

机构 * Department of Information Science and Engineering, KTH Royal Institute of Technology（信息科学与工程系，皇家理工学院） ； Research Institute for Digital Future, Khalifa University（数字未来研究院，哈利法大学） ； Department of Electrical and Computer Engineering, Princeton University（电气与计算机工程系，普林斯顿大学） 纠错

AI总结 本文提出了一种量化感知的协作推理方法，通过联合优化量化位宽和计算频率，以在资源受限的具身AI系统中平衡推理质量、延迟和能耗。

Reinforced Attention Learning

强化注意力学习

Bangzheng Li, Jianmo Ni, Chen Qu, Ian Miao, Liu Yang, Xingyu Fu, Muhao Chen, Derek Zhiyuan Cheng

机构 * UC Davis（加州大学戴维斯分校） ； Google（谷歌） ； DeepMind（深Mind） ； Google DeepMind（谷歌DeepMind） ； Princeton University（普林斯顿大学） 纠错

AI总结 强化注意力学习通过优化内部注意力分布提升多模态模型的感知能力，实验显示其在多模态后期训练中优于现有方法。