Computerwissenschaften - Verteiltes, paralleles und Cluster-Computing

Ein neues System verbessert das Serving von LLMs und geht Probleme mit Latenz und Speicher an.

Untersuchung von föderiertem Vergessen und seinen Herausforderungen im Datenschutz von maschinellem Lernen.

Ein neues Framework verbessert die Echtzeitanalyse von dynamischen Grafen mithilfe von persistentem Speicher.

Herausforderungen im föderierten Lernen angehen wegen der verschiedenen Geräte und Daten.

Ein Blick darauf, wie Model-Parallelismus beim Training grosser neuronaler Netzwerke hilft.

Ein neuer Ansatz verbessert die Datenwiederherstellung und geht gleichzeitig auf Datenschutzbedenken im föderierten Lernen ein.

Neue parallele RTL-Simulationsmethoden beschleunigen komplexe Hardware-Designprozesse.

Ein Werkzeug zur Messung der Daten-Shuffling-Performance in Stream-Processing-Frameworks.

Braid verbessert wissenschaftliche Forschung, indem es komplexe Arbeitsabläufe effektiv verwaltet.

Ein neues Framework, um das Lernen im föderierten inkrementellen Lernen zu verbessern und dabei die Datensicherheit zu gewährleisten.

Eine neue Methode verbessert die Effizienz von DNNs auf Geräten mit begrenzten Ressourcen.

Ein neues Framework, um Task-Scheduling-Methoden effektiv zu bewerten und zu vergleichen.

Neue JAX-basierte Bibliothek vereinfacht föderiertes Lernen für bessere Modelltrainings.

Ein Blick darauf, wie Blockchain die Datensicherheit und Privatsphäre im Gesundheitswesen verbessert.

Quokka führt Write-Ahead-Linie für verbesserte Fehlerwiederherstellung in der Datenverarbeitung ein.

GBC bietet eine effiziente Lösung zum Zählen von Bikliquen in grossen bipartiten Graphen.

Lern wichtige Programmierbegriffe und Ideen in einfacher Sprache.

Eine neue Methode verbessert die Modellierung des Stromverbrauchs in Rechenzentren.

ExeGPT verbessert die Effizienz beim Betrieb grosser Sprachmodelle für NLP-Aufgaben.

Die Revolutionierung des Datenaustauschs und der Sicherheit in Fahrzeugnetzwerken mit neuen Lernframeworks.

DUETS vorstellen: eine Methode zur Optimierung von verteilten Entscheidungsprozessen mit minimaler Kommunikation.

Earth+ verbessert die Übertragung von Satellitenbildern, indem es sich auf Veränderungen in den Bildern konzentriert.

Ein neues System verbessert die Leistung und Kosten-Effizienz von grossen Sprachmodellen.

Ein neuer Ansatz verbessert die Skalierbarkeit in asynchronen BFT-Systemen.

BeRGeR bietet zuverlässige Nachrichtenübermittlung in Netzwerken, die mit Störungen zu kämpfen haben.

Ein Blick auf die Bedrohungen, die von LLMs ausgehen, und Strategien zur Verteidigung.

Methoden erkunden, um die Privatsphäre im dezentralen Lernen zu verbessern, ohne die Leistung zu beeinträchtigen.

Ein neues Programm verbessert die Berechnungen des Flüssigkeitsflusses mithilfe der Regent- und LSKUM-Methoden.

Eine Methode, die Sentinel-2 Bilder nutzt, hilft dabei, Polareis automatisch zu kennzeichnen.

Ein neues Framework zielt darauf ab, den CO2-Fussabdruck von grossen Sprachmodellen zu reduzieren.

Ein neuer Ansatz, der Gewicht- und Token-Pruning kombiniert für effiziente Bildverarbeitung.

Den Kalibrierungsprozess optimieren, um genauere Simulationen im verteilten Computing zu ermöglichen.

Dynamische Anpassung von Datenstrukturen für effiziente Performance bei wechselnden Arbeitslasten.

Entdeck, wie verteilte Algorithmen die Ressourcenverteilung unter Agenten vereinfachen.

FedMef verbessert federiertes Lernen für ressourcenschwache Geräte durch innovative Pruning-Techniken.

Methoden erkunden, um schnellere Transaktionsfinalität im Ethereum-Netzwerk zu erreichen.

Ein neuartiges Verfahren mit Fourier-Transformieren zur besseren Schätzung von Datenmomenten.

Neue Methoden verbessern den Kaczmarz-Algorithmus zur Lösung dichter linearer Systeme.

Ein neues Framework zum Trainieren von Modellen, ohne sensible Daten zu teilen.

Die Kombination von RADICAL-Pilot und Cylon für effizientes Datenmanagement im Deep Learning.