Derniers articles pour Quantification

Un cadre pour un traitement des données plus sûr en apprentissage automatique.

Cet article parle des estimateurs de gradient efficaces pour l'entraînement conscient de la quantification en deep learning.

Explore des méthodes pour améliorer l'efficacité et la sécurité des réseaux de neurones profonds.

Apprends des méthodes efficaces pour quantifier les LLM tout en gardant la précision et la performance.

Cette étude examine l'efficacité de la mémoire dans les grands modèles de langage grâce à la décomposition en rang faible.

Combiner SmoothQuant et GPTQ améliore l'efficacité et la performance des grands modèles de langage.

Examiner les faiblesses des DNN face aux exemples adversariaux et leurs implications.

Une nouvelle méthode pour compresser les CNN tout en gardant la précision pour un traitement d'image efficace.

Le PV-Tuning améliore le fine-tuning et la compression pour les grands modèles de langage.

De nouvelles méthodes améliorent la performance des modèles pendant la quantification dans les modèles de langage.

De nouvelles techniques permettent de former de grands réseaux de neurones sur du matériel grand public avec moins de mémoire.

Examiner les dangers des modèles de langage quantifiés et leur potentiel de mauvaise utilisation.

Apprends comment HGQ optimise les modèles de deep learning pour la vitesse et la précision.

Une nouvelle méthode pour faire tourner les Diffusion Transformers plus efficacement sur des petits appareils.

Recherche sur l'optimisation des modèles de deep learning avec des techniques de sparsité et de quantification.

Examiner l'impact de la qualité du jeu de calibration sur la performance des LLM après quantification.

Une nouvelle méthode améliore la confidentialité des données pour l'analyse de données discrètes.

Les DSNN traitent l'info comme de vrais neurones, offrant une meilleure efficacité pour gérer les données.

Une méthode pour améliorer la prise de décision dans l'apprentissage par renforcement en utilisant l'apprentissage de représentation.

Une nouvelle méthode améliore la vitesse et la qualité de génération d'images et de vidéos.

Recherche sur les techniques de quantification pour une transmission de données efficace dans les canaux bruyants.

Présentation d'une méthode pour ajuster les LLM sur des appareils à faibles ressources.

Tender propose une solution novatrice pour une utilisation efficace des grands modèles de langage.

Explore des méthodes pour compresser des images tout en économisant de l'énergie sans sacrifier la qualité.

Une étude sur les processus de prise de décision des grands modèles de langage.

Une nouvelle approche des métriques d'évaluation de la traduction automatique pour une meilleure accessibilité.

QuEE combine la quantification et les sorties anticipées pour un apprentissage automatique efficace.

Cet article présente une méthode pour protéger les données personnelles dans les systèmes d'apprentissage automatique.

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.