Derniers articles pour Quantification

BrightFit améliore les suggestions de cours grâce à une nouvelle approche de récupération en deux étapes.

Évaluer des méthodes pour améliorer la performance des modèles de langue sur de longs contextes.

Progrès dans la prédiction de la qualité de la parole avec des méthodes efficaces pour les appareils mobiles.

Une méthode pour convertir des données continues en une forme plus simple et discrète.

Combiner l'élagage et la quantification rend les DNN plus efficaces pour les petits appareils.

Examiner les techniques de quantification pour améliorer l'apprentissage distribué sur différentes structures de réseau.

Cet article explore les avantages de l'utilisation du FP8 dans l'apprentissage fédéré.

Étudier comment la quantification affecte les performances dans différentes langues.

GPTQT améliore l'efficacité et la performance dans la quantification des grands modèles de langage, rendant l'IA plus accessible.

Ce papier présente une méthode pour identifier et gérer efficacement les memes nuisibles.

ISQuant propose une nouvelle approche de quantification pour un déploiement de modèle efficace.

Évaluer la quantification et l'élagage pour optimiser les modèles DRL pour des ressources limitées.

Un aperçu des préoccupations de sécurité des modèles de langage compressés.

Une nouvelle méthode améliore la performance des réseaux de neurones binaires en cas de défauts.

Étude des symétries carrolliennes et de leurs implications en physique moderne.

La recherche se concentre sur le comportement quantique de ModMax, un modèle d'électrodynamique modifié.

Une nouvelle méthode qui améliore la performance du modèle grâce à une gestion efficace des valeurs aberrantes.

De nouvelles méthodes d'apprentissage profond améliorent l'efficacité et la qualité de la compression d'images.

Cette étude améliore les mesures de qubits en utilisant l'apprentissage automatique et la technologie FPGA.

Former des DNN sur des microcontrôleurs améliore l'efficacité et la vie privée dans la tech intelligente.

Un aperçu des Lagrangiens réguliers et de leur rôle en maths et en physique.

Cet article examine comment la quantification peut améliorer l'efficacité de l'entraînement des modèles de langage Transformer.

MCU-MixQ améliore les performances des modèles d'IA sur les microcontrôleurs en optimisant l'utilisation des ressources.

Une étude montre une amélioration de l'analyse de sentiment grâce aux LLMs locaux et au vote majoritaire.

Techniques pour optimiser les RNN, en se concentrant sur Mamba et les défis de quantification.

Des modèles plus petits, adaptés à des domaines spécifiques comme la médecine, montrent un grand potentiel.

Une nouvelle méthode améliore les modèles d'apprentissage profond pour les appareils à ressources limitées.

Un aperçu de la création musicale MIDI et de son potentiel expressif.

Méthodes pour accélérer la diarisation des locuteurs sans sacrifier la précision.

De nouvelles méthodes visent à faire tourner des modèles puissants sur du matos limité de manière efficace.

Réduire la taille des modèles et améliorer l'efficacité avec des formats de précision plus bas.

Apprends des méthodes pour optimiser les grands modèles de langage pour une meilleure performance et efficacité.

Utiliser des LLMs pour améliorer les tâches e-commerce grâce au réglage des instructions et à la quantification.

Examiner comment le nombre d'antennes influence les performances de communication MIMO à 1 bit.

Combiner HW-NAS et ACO pour des réseaux de neurones efficaces.

Explorer des techniques pour améliorer les performances des LLM lors de l'inférence.

Une nouvelle méthode améliore l'efficacité et la performance des modèles de langage multimodaux de grande taille.

Découvrez comment PQV-Mobile améliore les ViTs pour des applis mobiles efficaces.

Un aperçu des principes et des défis de la théorie des cordes.

La recherche propose de nouvelles perspectives sur les trous noirs grâce à un nouveau schéma de quantification.