Dynamic Strategy Adaptation in Multi-Agent Environments with Large Language Models
多智能体环境中基于大语言模型的动态策略适应
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 本文提出基于大语言模型和博弈论的动态策略适应框架,提升多智能体协作效率和灵活性。
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
多智能体环境中基于大语言模型的动态策略适应
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 本文提出基于大语言模型和博弈论的动态策略适应框架,提升多智能体协作效率和灵活性。
基于大语言模型和采样边际化的音素语音识别
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 本文提出SKM策略,通过随机采样替代束搜索,提升语音识别模型的训练效率和识别性能。
Comments Published at NCMMSC 2025, in Chinese language
在大语言模型中实现可信且可控的专业知识利用:TEE-GPU执行
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 本文提出PKUS系统,通过将专业知识作为可分离的制品,实现大语言模型中可信且可控的专业知识利用,提升模型性能并降低延迟。
PerProb:间接评估大语言模型中的记忆化
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 PerProb提出了一种无标签框架,通过比较困惑度和对数概率变化间接评估大语言模型的记忆化漏洞,并验证了多种缓解策略的有效性。
Comments Accepted at APSEC 2025
基于时间卷积网络的自适应缓存污染控制:用于大语言模型推理工作负载
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 本文提出基于时间卷积网络的自适应缓存污染控制机制,通过预测和优先级替换策略优化LLM推理性能。
从文本到收益:利用大型语言模型进行共同基金投资组合优化与风险调整分配
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 利用大型语言模型优化共同基金投资组合并提升风险调整分配效果,Zypher 7B模型在收益与风险控制方面表现突出。
FastVID: 动态密度修剪用于快速视频大语言模型
机构 * School of Software, Tsinghua University(清华大学软件学院) ; BNRist, Tsinghua University(清华大学BNRist) ; GRG Banking Equipment Co., Ltd.(GRG银行设备有限公司)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 FastVID通过动态密度修剪技术,显著降低视频大语言模型的计算开销,同时保持高准确性,实现高效的视频处理性能。
Comments NeurIPS 2025
一种高效的交互人机协同系统:连接视觉意识与大语言模型用于重症监护室
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 本文提出一种基于云-边-端架构的人机协同系统,通过视觉感知数据提取和大语言模型驱动的语义交互,提升ICU中患者数据处理的效率和安全性。
Comments This paper has been accepted by the Late Breaking Papers of the 2025 International Conference on Human Computer Interaction (HCII 2025)
LaMoSys3.5D:通过软硬件协同设计实现基于3.5D-IC的大语言模型推理服务系统
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 LaMoSys3.5D通过软硬件协同设计,实现了基于3.5D-IC的大语言模型推理服务系统,提升了能效和端到端延迟性能。
基于传统与大语言模型支持的低代码编程实证研究
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 本研究通过实证分析比较了传统与基于大语言模型的低代码编程方法在应用中的差异及影响。
基于熵的大型语言模型价值漂移与对齐工作的测量
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出基于熵的框架,用于测量大型语言模型中的价值漂移和对齐工作,通过五种行为分类法和熵动态分析,实现对模型伦理熵的实时监控与警报。
Comments 6 pages. Companion paper to "The Second Law of Intelligence: Controlling Ethical Entropy in Autonomous Systems". Code and tools: https://github.com/AerisSpace/EthicalEntropyKit
LLaMCAT:通过缓存仲裁和限流优化大语言模型推理
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 LLaMCAT通过缓存仲裁和限流技术优化大语言模型推理,实现1.26-1.58倍速度提升,填补LLM解码特定MSHR竞争的空白。
Comments Accepted to ICPP 2025
Journal ref In Proceedings of 54th International Conference on Parallel Processing (ICPP 2025)
DistTrain: 通过解耦训练解决多模态大语言模型中的模型与数据异质性
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 DistTrain通过解耦模型编排和数据预处理,提升多模态大语言模型的训练效率和资源利用率。
Comments SIGCOMM 2025 (https://dl.acm.org/doi/10.1145/3718958.3750472)
Journal ref SIGCOMM'25: Proceedings of the ACM SIGCOMM 2025 Conference Pages 24-38
利用本地大语言模型和检索增强生成实现5G网络自动化
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
AI总结 本研究通过本地部署大语言模型与检索增强生成技术,实现5G网络自动化管理,提升隐私保护与配置效率。
Comments 4 pages, 1 figure, demonstrated on 6G Summit Abu Dhabi
机构 * Shanghai Jiao Tong University(上海交通大学) ; Sichuan University(四川大学) ; Fudan University(复旦大学)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments EMNLP 2025 main
机构 * School of Mathematical Sciences, Peking University(北京大学数学科学学院)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments ICFEM 2025 (Best Paper Award)
机构 * Beihang University(北京航空航天大学) ; ETH Zurich(苏黎世联邦理工学院) ; The Chinese University of Hong Kong(香港中文大学)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments Ruihao Gong leads the overall organization of the survey, with Yifu Ding and Jinyang Du contributing to Sections 2 and 3. Xingyu Zheng is responsible for authoring Section 4, while Chengtao Lv and Zining Wang collaborate on Section 5. Haotong Qin, Jinyang Guo, Michele Magno, and Xianglong Liu provide guidance during the whole process and assist in refining the final manuscript
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments Accepted by ICCAD2025
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments 14 pages, 13 figures
机构 * Zhejiang University(浙江大学) ; Shanghai Innovation Institute(上海创新研究院) ; Westlake University(西湖大学) ; Salesforce AI Research(Salesforce AI研究院) ; Columbia University(哥伦比亚大学) ; Rice University(Rice大学)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments code link: https://github.com/cokeshao/HoliTom
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments 19 pages
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
Comments 23 pages, 21 figures
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);LLM(abstract)
机构 * Phi Labs, Quantiphi(Phi Labs,Quantiphi)
专题命中 效率与部署 :LLM(title,abstract);preference optimization(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments Accepted at NeurIPS 2025, Efficient Reasoning Workshop
机构 * Northeastern University(东北大学)
专题命中 效率与部署 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.AI、cs.LG
Comments Proceedings of the 38th Conference on Neural Information Processing Systems (NeurIPS 2025)