Articoli più recenti per Quantizzazione

Un framework per un'elaborazione dei dati più sicura nel machine learning.

Questo articolo parla di stimatori di gradiente efficaci per il training consapevole della quantizzazione nel deep learning.

Esplora metodi per migliorare l'efficienza e la sicurezza delle reti neurali profonde.

Impara metodi efficaci per quantizzare i LLM mantenendo precisione e prestazioni.

Questo studio esplora l'efficienza della memoria nei grandi modelli di linguaggio tramite la decomposizione a rango basso.

Combinare SmoothQuant e GPTQ migliora l'efficienza e le prestazioni dei grandi modelli di linguaggio.

Esaminando le debolezze delle DNN contro esempi avversari e le loro implicazioni.

Un nuovo metodo per comprimere le CNN mantenendo l'accuratezza per un'elaborazione delle immagini efficiente.

Il PV-Tuning migliora il fine-tuning e la compressione per grandi modelli di linguaggio.

Nuovi metodi migliorano le prestazioni del modello durante la quantizzazione nei modelli di linguaggio.

Nuove tecniche permettono di addestrare grandi reti neurali su hardware di consumo con meno memoria.

Esaminando i pericoli dei modelli linguistici quantizzati e il loro potenziale uso improprio.

Scopri come HGQ ottimizza i modelli di deep learning per velocità e precisione.

Un nuovo metodo per far funzionare i Diffusion Transformers in modo più efficace su dispositivi più piccoli.

Ricerca su come ottimizzare i modelli di deep learning con tecniche di sparsità e quantizzazione.

Esaminando l'impatto della qualità del set di calibrazione sulle prestazioni del LLM dopo la quantizzazione.

Un nuovo metodo migliora la privacy dei dati per l'analisi dei dati discreti.

I DSNN elaborano le informazioni proprio come i neuroni reali, offrendo un'efficienza migliore per la gestione dei dati.

Un metodo per migliorare il processo decisionale nel reinforcement learning usando l'apprendimento delle rappresentazioni.

Un nuovo metodo migliora la velocità e la qualità della generazione di immagini e video.

Ricerca sulle tecniche di quantizzazione per la trasmissione efficiente dei dati in canali rumorosi.

Introducendo un metodo per affinare i LLM su dispositivi a bassa risorsa.

Tender offre una soluzione innovativa per l'uso efficiente dei modelli linguistici di grandi dimensioni.

Esplora metodi per comprimere immagini risparmiando energia senza sacrificare la qualità.

Uno studio sui processi decisionali dei modelli di linguaggio grandi.

Un nuovo approccio alle metriche di valutazione della traduzione automatica per una maggiore accessibilità.

QuEE combina la quantizzazione e l'uscita anticipata per un machine learning efficiente.

Questo articolo presenta un metodo per proteggere i dati personali nei sistemi di apprendimento automatico.

BrightFit migliora i suggerimenti sui corsi attraverso un nuovo approccio di recupero in due fasi.

Valutare metodi per migliorare le performance in contesti lunghi nei modelli linguistici.

Sviluppi nel prevedere la qualità del parlato usando metodi efficienti per dispositivi mobili.

Un metodo per convertire dati continui in una forma più semplice e discreta.

Combinare potatura e quantizzazione rende più efficienti le DNN per dispositivi più piccoli.

Esaminando tecniche di quantizzazione per una migliore apprendimento distribuito su diverse strutture di rete.

Questo articolo esplora i vantaggi dell'uso di FP8 nell'apprendimento federato.

Studiare come la quantizzazione influisce sulle prestazioni in diverse lingue.

GPTQT migliora l'efficienza e le prestazioni nella quantizzazione dei grandi modelli linguistici, rendendo l'IA più accessibile.

Questo documento presenta un metodo per identificare e gestire efficacemente i meme dannosi.

ISQuant offre un nuovo approccio alla quantizzazione per un'implementazione efficiente dei modelli.

Valutare la quantizzazione e il pruning per ottimizzare i modelli DRL per risorse limitate.