Últimos artículos para Cuantización

Un marco para un procesamiento de datos más seguro en aprendizaje automático.

Este artículo habla sobre estimadores de gradiente efectivos para el entrenamiento consciente de cuantización en el aprendizaje profundo.

Explora métodos para mejorar la eficiencia y seguridad de las redes neuronales profundas.

Aprende métodos efectivos para cuantizar LLMs mientras mantienes la precisión y el rendimiento.

Este estudio investiga la eficiencia de la memoria en modelos de lenguaje grandes mediante descomposición de rango bajo.

Combinar SmoothQuant y GPTQ mejora la eficiencia y el rendimiento de los modelos de lenguaje grandes.

Examinando las debilidades de las DNNs frente a ejemplos adversariales y sus implicaciones.

Un nuevo método para comprimir CNNs mientras se mantiene la precisión para un procesamiento de imágenes eficiente.

PV-Tuning mejora el ajuste fino y la compresión para modelos de lenguaje grandes.

Nuevos métodos mejoran el rendimiento del modelo durante la cuantización en modelos de lenguaje.

Nuevas técnicas permiten entrenar redes neuronales grandes en hardware de consumo con menos memoria.

Examinando los peligros de los modelos de lenguaje cuantizados y su posible mal uso.

Aprende cómo HGQ optimiza modelos de aprendizaje profundo para velocidad y precisión.

Un nuevo método para hacer que los Diffusion Transformers funcionen mejor en dispositivos más pequeños.

Investigación sobre la optimización de modelos de aprendizaje profundo con técnicas de escasez y cuantización.

Examinando el impacto de la calidad del conjunto de calibración en el rendimiento de LLM después de la cuantización.

Un nuevo método mejora la privacidad de los datos para el análisis de datos discretos.

Las DSNNs procesan información como neuronas reales, ofreciendo una mejor eficiencia para manejar datos.

Un método para mejorar la toma de decisiones en el aprendizaje por refuerzo usando el aprendizaje de representaciones.

Un nuevo método mejora la velocidad y calidad de la generación de imágenes y videos.

Investigación sobre técnicas de cuantización para una transmisión de datos eficiente en canales ruidosos.

Presentando un método para ajustar LLMs en dispositivos con pocos recursos.

Tender ofrece una solución novedosa para el uso eficiente de modelos de lenguaje grandes.

Explora métodos para comprimir imágenes mientras ahorras energía sin sacrificar calidad.

Un estudio sobre los procesos de toma de decisiones de los modelos de lenguaje grandes.

Un nuevo enfoque para las métricas de evaluación de traducción automática para mejorar la accesibilidad.

QuEE combina cuantización y salida temprana para un aprendizaje automático eficiente.

Este artículo presenta un método para proteger los datos personales en sistemas de aprendizaje automático.

BrightFit mejora las sugerencias de cursos a través de un nuevo enfoque de recuperación en dos etapas.

Evaluando métodos para mejorar el rendimiento en contextos largos en modelos de lenguaje.

Avances en la predicción de la calidad del habla usando métodos eficientes para dispositivos móviles.

Un método para convertir datos continuos en una forma más simple y discreta.

Combinar la poda y la cuantización hace que la eficiencia de las DNN sea más fácil para dispositivos más pequeños.

Examinando técnicas de cuantización para mejorar el aprendizaje distribuido en diferentes estructuras de red.

Este artículo explora los beneficios de usar FP8 en el aprendizaje federado.

Estudiando cómo la cuantización afecta el rendimiento en diferentes idiomas.

GPTQT mejora la eficiencia y el rendimiento en la cuantización de modelos de lenguaje grandes, haciendo que la IA sea más accesible.

Este documento presenta un método para identificar y manejar memes dañinos de manera efectiva.

ISQuant ofrece un nuevo enfoque para la cuantización y el despliegue eficiente de modelos.

Evaluando la cuantización y el podado para optimizar modelos de DRL con recursos limitados.