Computerwissenschaften - Verteiltes, paralleles und Cluster-Computing

Ein genauerer Blick auf die Sicherheitsfunktionen von PoW und PoS.

Lern, wie du die Effizienz von Transformermodellen mit GPU-freundlichem Design verbessern kannst.

Ein neues System verbessert die Geschwindigkeit von Sprachmodellen in verschiedenen Anwendungen.

Ein neuer Ansatz verbessert die Verarbeitung von Satellitendaten mithilfe von föderierten Lernmethoden.

Neue Methoden optimieren die PageRank-Updates, während sich Netzwerke ändern.

OMP GPT ist darauf spezialisiert, OpenMP-Pragmas für effizientes Coden in HPC zu generieren.

OpenMoE zeigt innovative Ansätze, um die Effizienz und Leistung von Sprachmodellen zu verbessern.

Eine neue Methode erkunden, um die Datenschutz bei Machine Learning zu verbessern.

Neue GPU-Sicherheitslücke sorgt für Bedenken bei Maschinenlern-Anwendungen.

Entdecke, wie Bitcoin-Inschriften die Landschaft der digitalen Assets verändern.

Erfahre, wie BCM-Broadcast klare Nachrichten in Mobilfunknetzen aufrechterhält.

Die Erforschung der Einschränkungen und Möglichkeiten von undurchsichtigen Robotermodellen in der Schwarmcomputing.

Lerne was über Service Level Agreements und ihren Einfluss auf die Servicequalität.

Ein neuer Ansatz verbessert das föderierte Lernen, indem er langsamere Clients effektiv angeht.

Ein Blick darauf, wie MP-SL Geräte im maschinellen Lernen unterstützt und gleichzeitig die Privatsphäre schützt.

Ein näherer Blick auf die Leistung und Herausforderungen von grossen Sprachmodellen in der Praxis.

BlackMamba kombiniert Zustandsraum-Modelle und Expertenmischungen für effiziente Sprachaufgaben.

Wege finden, um das Vertrauen in verteilte KI-Technologien zu stärken.

Analyse von GPT-NeoX und LLaMA Modellen für Materialienwissenschaft-Anwendungen.

Dieses Verfahren beschleunigt das Training für sequenzielle Modelle, ohne die Genauigkeit zu opfern.

Neuer Algorithmus verbessert die Analyse von komplexen Datensätzen für Forscher.

Dieses Framework verbessert, wie LLMs API-Aufrufe und den Speicherverbrauch handhaben.

Entdecke, wie DFML das Datenlernen ohne zentrale Server verändert.

Verbesserungen im föderierten Lernen steigern die Effizienz und den Datenschutz bei IoT-Anwendungen.

ARGO verbessert die Trainingsgeschwindigkeit und Effizienz von GNNs auf Multi-Core-Systemen.

Ein Blick darauf, wie Vorhersagekosten die Effektivität der Jobplanung beeinflussen.

Verstehen des CO2-Effekts durch Verträge über erneuerbare Energien und Intensitätsmethoden.

KI verwandelt die wissenschaftliche Forschung und verbessert die Datenanalyse und Entdeckung.

Dieses Papier bespricht Methoden, um LLM-Dienste effizient zu nutzen.

Bluesky gibt den Nutzern Kontrolle und Dezentralisierung im sozialen Netzwerk.

Die Bedeutung von dezentraler KI für Datenschutz und ethische Bedenken erkunden.

DSpodFL verbessert das dezentrale föderierte Lernen, indem es auf die Unterschiede der Clients eingeht.

Neue Strategien im föderierten Lernen verbessern die Privatsphäre und Effizienz im maschinellen Lernen.

Eine neue Methode verbessert die Modellgenauigkeit, indem sie mit verrauschten Labels im föderierten Lernen umgeht.

Dieses Framework verbessert das Netzwerk-Testen im grossen Stil durch effiziente Simulationen und Analysen.

Cannikin verbessert die DNN-Trainingseffizienz in verschiedenen Maschinenumgebungen.

Eine Studie über die Lokalisierung von schädlichen Punkten mit mobilen Agenten.

Eine neue Methode verbessert den Datenschutz und die Trainingseffizienz im dezentralen Lernen.

Neue Strategien verbessern das Kundenmanagement für eine optimierte Nachrichtenverarbeitung.

Flashback beschäftigt sich mit dem Vergessen im Federated Learning, um das Modelltraining und die Leistung zu verbessern.