Neuste Artikel für Quantisierung

Ein Rahmenwerk für sicherere Datenverarbeitung im Machine Learning.

Dieser Artikel diskutiert effektive Gradienten-Schätzer für quantisierungsbewusstes Training im Deep Learning.

Erkunde Methoden, um die Effizienz und Sicherheit von tiefen neuronalen Netzwerken zu verbessern.

Lerne effektive Methoden, um LLMs zu quantisieren, während du Genauigkeit und Leistung beibehältst.

Diese Studie untersucht die Speichereffizienz in grossen Sprachmodellen durch Niedrigrang-Zerlegung.

Die Kombination von SmoothQuant und GPTQ verbessert die Effizienz und Leistung grosser Sprachmodelle.

Die Schwächen von DNNs gegenüber adversarialen Beispielen und deren Auswirkungen untersuchen.

Eine neue Methode zum Komprimieren von CNNs, während die Genauigkeit für effiziente Bildverarbeitung erhalten bleibt.

PV-Tuning verbessert das Fine-Tuning und die Kompression für grosse Sprachmodelle.

Neue Methoden verbessern die Modellleistung während der Quantisierung in Sprachmodellen.

Neue Techniken ermöglichen das Trainieren grosser neuronaler Netzwerke auf Consumer-Hardware mit weniger Speicher.

Die Gefahren von quantisierten Sprachmodellen und deren mögliche Missbrauch anschauen.

Erfahre, wie HGQ Deep-Learning-Modelle für Geschwindigkeit und Genauigkeit optimiert.

Eine neue Methode, um Diffusion Transformers effektiver auf kleineren Geräten laufen zu lassen.

Forschung zur Optimierung von Deep-Learning-Modellen mit Sparsamkeits- und Quantisierungstechniken.

Untersuchung des Einflusses der Qualität des Kalibrierungssatzes auf die Leistung von LLM nach der Quantisierung.

Eine neue Methode verbessert den Datenschutz bei der Analyse diskreter Daten.

DSNNs verarbeiten Informationen wie echte Neuronen und bieten eine verbesserte Effizienz im Umgang mit Daten.

Eine Methode zur Verbesserung der Entscheidungsfindung im Reinforcement Learning durch Repräsentationslernen.

Eine neue Methode verbessert die Geschwindigkeit und Qualität von Bild- und Videoerstellung.

Forschung zu Quantisierungstechniken für effiziente Datenübertragung in verrauschten Kanälen.

Wir stellen eine Methode vor, um LLMs auf Geräten mit wenig Ressourcen anzupassen.

Tender bietet eine neuartige Lösung für die effiziente Nutzung von grossen Sprachmodellen.

Erkunde Methoden zur Kompression von Bildern, während du Energie sparst, ohne die Qualität zu opfern.

Eine Studie über die Entscheidungsprozesse von grossen Sprachmodellen.

Ein neuer Ansatz für Bewertungskriterien bei maschineller Übersetzung für bessere Zugänglichkeit.

QuEE kombiniert Quantisierung und frühes Verlassen für effizientes maschinelles Lernen.

Dieser Artikel präsentiert eine Methode zum Schutz persönlicher Daten in maschinellen Lernsystemen.

BrightFit verbessert die Kursvorschläge durch einen neuen zweistufigen Abrufansatz.

Methoden zur Verbesserung der Leistung bei langen Kontexten in Sprachmodellen bewerten.

Fortschritte bei der Vorhersage der Sprachqualität mit effizienten Methoden für mobile Geräte.

Eine Methode, um kontinuierliche Daten in eine einfachere, diskrete Form umzuwandeln.

Die Kombination von Pruning und Quantisierung macht DNN-Effizienz für kleinere Geräte einfacher.

Untersuchung von Quantisierungstechniken für besseres verteiltes Lernen über verschiedene Netzwerkstrukturen hinweg.

Dieser Artikel untersucht die Vorteile von FP8 im föderierten Lernen.

Untersuchen, wie Quantisierung die Leistung in verschiedenen Sprachen beeinflusst.

GPTQT steigert die Effizienz und Leistung bei der Quantisierung grosser Sprachmodelle und macht KI zugänglicher.

Dieses Papier stellt eine Methode vor, um schädliche Memes effektiv zu identifizieren und zu verwalten.

ISQuant bietet einen neuen Ansatz zur Quantisierung für eine effiziente Modellauslieferung.

Quantisierung und Pruning bewerten, um DRL-Modelle für begrenzte Ressourcen zu optimieren.