Broadcom（博通）

DynamiQ: Accelerating Gradient Synchronization using Compressed Multi-hop All-reduce

DynamiQ：使用压缩多跳全规约加速梯度同步

Wenchen Han, Shay Vargaftik, Michael Mitzenmacher, Ran Ben Basat

机构 * University College London（伦敦大学） ； VMware Research by Broadcom（VMware由Broadcom进行的研究） ； Harvard University（哈佛大学） ； Broadcom 纠错

AI总结 研究针对大规模模型训练中网络成瓶颈的问题，提出DynamiQ量化框架，引入新技术并设计融合内核，扩展PyTorch DDP支持，在不同场景下比现有方法最多提升34.2%。

Comments 17 pages, 19 figures. Accepted to ACM SIGCOMM 2026

Not All Invariants Are Equal: Curating Training Data to Accelerate Program Verification with SLMs

并非所有不变式都同等重要：利用SLM通过精选训练数据加速程序验证

Ido Pinto, Yizhak Yisrael Elboher, Haoze Wu, Nina Narodytska, Guy Katz

机构 * Hebrew University of Jerusalem, Israel（特拉维夫大学） ； Amherst College, USA（阿默斯特学院） ； VMware Research by Broadcom, USA（Broadcom VMware 研究） 纠错

AI总结 提出Wonda数据筛选流水线，通过AST归一化和LLM语义重写从原始验证器输出中提取高质量训练不变式，微调小语言模型（SLM）后，在多个模型上使不变式正确性和加速率翻倍甚至三倍，小模型性能媲美大模型。

Comments A preprint of the ICML 2026 paper with the same title