A Scalable Multi-GPU Framework for Encrypted Large-Model Inference
可扩展的多GPU框架用于加密大模型推断
机构 * Carnegie Mellon University（卡内基梅隆大学） ； UT Austin（得克萨斯大学） ； NVIDIA（英伟达）
AI总结 Cerium是首个实现加密大模型推断的多GPU框架，通过优化编译器和运行时系统，显著提升FHE推断性能，达到与ASIC相当的效率。
高校专区
University of Texas at Austin（得克萨斯大学奥斯汀分校）
Deep Learning-Based Detection of Cognitive Impairment from Passive Smartphone Sensing with Routine-Aware Augmentation and Demographic Personalization
基于深度学习的被动智能手机传感认知障碍检测：具有常规感知增强和人口统计学个性化
机构 * Department of Electrical and Computer Engineering, Cockrell School of Engineering, The University of Texas at Austin（电气与计算机工程系，Cockrell工程学院，德克萨斯大学奥斯汀分校） ； Department of Neurology, Dell Medical School, The University of Texas at Austin（神经病学系，德克萨斯医学学院，德克萨斯大学奥斯汀分校） ； Department of Neurology, University of Texas Southwestern Medical Center（神经病学系，德克萨斯西南医学中心） ； Peter O’Donnell Jr. Brain Institute, University of Texas Southwestern Medical Center（彼得·奥·唐纳德·杰罗姆脑研究所，德克萨斯西南医学中心） ； Department of Speech, Language, and Hearing Sciences, Moody College of Communication, The University of Texas at Austin（语言病理学系，摩依学院，德克萨斯大学奥斯汀分校）
AI总结 本文提出基于深度学习的被动智能手机传感方法，通过常规感知增强和人口统计学个性化技术，提高模型在老年人认知障碍检测中的泛化能力。
Comments Accepted at 2025 IEEE EMBS International Conference on Biomedical and Health Informatics (IEEE BHI 2025)
