Intel（英特尔）

Vector Symbolic Policy Gradient

向量符号策略梯度

Ryozo Masukawa, Sanggeon Yun, SungHeon Jeong, Hyunwoo Oh, Raheeb Hassan, Pietro Mercati, Nathaniel D. Bastian, Mahdi Imani, Mohsen Imani

机构 * University of California, Irvine（加州大学欧文分校） ； Intel Corporation（英特尔公司） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Northeastern University（东北大学） 纠错

AI总结 该研究提出VSPG算法，以单位范数超向量表示离散动作，通过优势加权超向量捆绑更新动作，可实现样本高效学习且推理内存不增加，还证明其动作选择在随机比特翻转下稳定，连接了三类方法并提供鲁棒性保证。

Comments Code available in this https URL (https://github.com/BiasLabProjects/VSPG)

Efficient INT8 Inference of Small NLP Models on Server CPUs with PyTorch Native Stack

基于PyTorch原生栈在服务器CPU上实现小型NLP模型的高效INT8推理

Weiwen Xia, Yuxin Cui, E Cao

机构 * Intel Corporation（英特尔公司） 纠错

AI总结 该研究将SmoothQuant集成到TorchAO，优化PyTorch原生栈在服务器CPU上的INT8推理，使小型NLP模型获最高5.8倍吞吐量加速且精度损失可忽略，已上游到PyTorch和TorchAO便于部署。

Comments 13 pages