Cornell University（康奈尔大学）

P3-LLM: An Integrated NPU-PIM Accelerator for Edge LLM Inference Using Hybrid Numerical Formats

P3-LLM：一种用于边缘LLM推理的NPU-PIM集成加速器，采用混合数值格式

Yuzong Chen, Chao Fang, Xilai Dai, Yuheng Wu, Thierry Tambe, Marian Verhelst, Mohamed S. Abdelfattah

机构 * Department of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程系） ； EAST-MICAS, KU Leuven（KU莱顿大学EAST-MICAS） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

AI总结 本文提出P3-LLM，通过混合精度量化和PIM架构设计，提升边缘LLM推理效率，实现4.9倍以上的加速效果。

Comments Accepted to the 53rd IEEE/ACM International Symposium on Computer Architecture (ISCA), 2026

Analyzing Adversarial Inputs in Deep Reinforcement Learning

分析深度强化学习中的对抗输入

Davide Corsi, Guy Amir, Guy Katz, Alessandro Farinelli

机构 * University of California, Irvine, USA（加州大学尔布雷特分校） ； Cornell University, USA（康奈尔大学） ； The Hebrew University of Jerusalem, Israel（特拉维夫大学） ； University of Verona, Italy（威尼斯大学） 纠错

AI总结 本文通过形式验证方法分析深度强化学习中对抗输入的特性，提出Adversarial Rate指标，用于评估对抗输入对DRL策略的影响，并提供工具和算法以缓解训练DRL网络的脆弱性。

Comments Accepted to AISoLA 2025