Papers with Code 아카이브
Computational Efficiency
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 1
- 보존된 평가 기록
- 1
Methods and optimizations to reduce the computational resources (e.g., time, memory, or power) needed for training and inference in models. This involves techniques that streamline processing, optimize algorithms, or leverage hardware to enhance performance without compromising accuracy.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
ERASE: 적응형 2단계 토큰 가지치기를 통한 중복 시각 토큰 제거
ReAlign: 추론 정렬 표상을 통한 일반화 가능한 이미지 위조 탐지
S4oP: 자원 제약 디바이스를 위한 구조화된 상태 공간 모델의 연산자 수준 가지치기
전역적으로 계산하고 국소적으로 구체화하기: 희소 이벤트-KV의 메모리 계약
MoEMB: 효율적인 전문가 혼합 모델을 통한 범용 멀티모달 임베딩 확장
MiX: 엔드투엔드 저비트 비전-언어 모델 가속을 위한 마이크로 역스케일링
SparkDiffusion: 고희소성 함정 완화 --- 시각 생성의 최대 265배 단일 GPU 가속을 위한 통합 프레임워크
RoboTalk: 다중 모달 시연으로부터 다중 로봇 통신 및 조율 학습하기
미실행 동반 실행을 고려한 예산 제약 컨텍스트 프로젝션 평가
잠재 공간에서의 제약 최적화를 통한 효율적인 추론
크로스 컨텍스트 KV-캐시 재사용을 위한 예산 기반 캐시 복구
디코더는 동결하고 인코더는 치유하기: SVD 기반 KV 캐시 압축을 위한 매개변수 효율적 적응 기법
Phase-HDC: 이산 위상 학습에서 옵티마이저 히스토리를 그래디언트 임계값으로 대체하기
NEMORA: 장거리 원자론적 학습을 위한 신경 등변 다중극 연산자
AI를 위한 진정한 장기 기억: 재계산보다 더 빠르고 저렴한 5,000만 토큰 윈도우
분류 성능의 지표로서 라이프-유사 네트워크 오토마타 규칙의 형태 불규칙성
희소 어텐션은 행렬 근사이지 값들의 주머니에서 선택하는 것이 아니다
에뮬레이션 텐서-메모리 평형(TME) 모델에서 누락된 네 번째 항: 잔차 분해 비용
스피드범프: 투기적 디코딩에 대한 거절 공격
스파이킹 언어 모델에서 시간적 인코딩과 비선형 연산 간의 트레이드오프 재고
이미지 데이터의 위상학적 분석을 위한 지속성 호몰로지 연산의 GPU 가속화
분포 내 및 분포 외 머신 언러닝의 유틸리티와 복잡도
법률 AI의 확장: 법령 분류 및 판례 검색을 위한 Mamba와 트랜스포머 벤치마킹
SEER: 추론 모델을 위한 자기 강화형 사고의 연쇄(Chain-of-Thought) 압축
효율적인 LLM/VLM을 위한 활성화 정보 기반 파레토 유도 저순위 압축
희소 디코딩을 위한 어텐션 질량 응축
적시 종료: 확산 언어 모델을 위한 토큰 수준 조기 종료
신뢰할 수 있는 유체: 비압축성 유동을 위한 물리적 특성 보존 연산자 학습
사용자 인터페이스 및 메타데이터로부터 앱 평점을 예측하기 위한 경량 비전-언어 융합 프레임워크
다중 분광 항공 영상에서의 위장 잡초 검출을 위한 매개변수 효율적인 합성곱 접근법
저비용 LLM 서빙을 위한 연속적 시맨틱 캐싱
합성 벤치마크는 포워드-포워드 스케일링을 과대평가한다: 층별 국소 학습의 실제 데이터 한계
코드 최적화를 위한 강화학습
CoMem: 지속적 중간 잔차를 통해 여러 쿼리에 걸쳐 트랜스포머 깊이를 재사용하기
Faster-WAM: 월드 액션 모델에 딥 액션 모듈이 필요한가?
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.