TinyAgent: Function Calling at the EdgeTinyAgent: Function Calling at the Edge

TinyAgent: Function Calling at the Edge 摘要: 近期的大语言模型(LLMs)使得可以开发出能够通过调用功能来整合各种工具和API,以完成用户查询的高级智能体系统。然而,这些LLMs在边缘的...

  • 0
  • 0
  • 宋戈扬
  • 发布于 2024-09-22 23:22
  • 阅读 ( 232 )

DeepSwarm——一种新型边缘群体智能感知-计算耦合框架(通过数据采集和计算的双向优化实现群体深度学习)

DeepSwarm——一种新型边缘群体智能感知-计算耦合框架(通过数据采集和计算的双向优化实现群体深度学习) Organization:Northwestern Polytechnical University Author:Sicong Liu, Bin Guo, Zi...

  • 0
  • 0
  • 宋戈扬
  • 发布于 2024-08-26 18:01
  • 阅读 ( 305 )

Deep Learning Inference on Heterogeneous Mobile Processors: Potentials and Pitfalls - 论文分享

Deep Learning Inference on Heterogeneous Mobile Processors: Potentials and Pitfalls - 论文分享

  • 0
  • 0
  • LunaStar
  • 发布于 2024-08-25 21:02
  • 阅读 ( 258 )

AdaEnlight: Energy-aware Low-light Video Stream Enhancement on Mobile Devices

# 文章引用Liu S, Li X, Zhou Z, et al. AdaEnlight: Energy-aware low-light video stream enhancement on mobile devices[J]. Proceedings of the ACM on Interactive, Mobile, Wearable and...

  • 0
  • 0
  • 雾望
  • 发布于 2024-08-25 16:52
  • 阅读 ( 250 )

EchoPFL: Asynchronous Personalized Federated Learning on Mobile Devices with On-Demand Staleness Control

# EchoPFL: Asynchronous Personalized Federated Learning on Mobile Devices with On-Demand Staleness Control# 文章引用Li X, Liu S, Zhou Z, et al. EchoPFL: Asynchronous Personalized F...

  • 0
  • 0
  • 雾望
  • 发布于 2024-08-25 16:51
  • 阅读 ( 272 )

AdaSpring: Context-adaptive and Runtime-evolutionary Deep Model Compression for Mobile Applications

深度学习驱动的移动应用通过模型压缩在资源有限的设备上本地部署,以实现稳健且私密的环境感知。然而,现有的DNN压缩技术要么手工设计以优化模型性能,要么按需压缩以优化硬件指标,但都无法在线运行且未考虑动态部署环境。为此,我们提出了AdaSpring,一个上下文自适应、自进化的DNN压缩框架,实现本地在线的自适应压缩。

  • 0
  • 0
  • 罗诗妍
  • 发布于 2024-08-24 20:41
  • 阅读 ( 390 )

学习笔记——《人机物融合群智计算》

以思维导图的方式制作了一份学习笔记,主要内容是各部分工作的目的、主要解决方案、以及部分方法的主要思想以及优缺点 正文附上两张内容预览以及思维导图APP下载链接

  • 0
  • 0
  • Lucien
  • 发布于 2024-07-25 11:56
  • 阅读 ( 381 )

论文分享-MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework-ICLR2024

鉴于LLMs在模仿人类认知能力方面的潜力,一个自然的问题是:我们是否已经制造出了能够像人类一样思考的机器?这个问题触及了认知科学的核心,即评估和理解人工智能代理是否能够模拟人类的思维过...

  • 0
  • 0
  • Queena
  • 发布于 2024-07-24 09:45
  • 阅读 ( 368 )

学习笔记——《人机物融合群智计算》

以思维导图的方式制作了一份学习笔记,主要内容是各部分工作的目的、主要解决方案、以及部分方法的主要思想以及优缺点 正文附上两张内容预览以及思维导图APP下载链接

  • 0
  • 0
  • Lucien
  • 发布于 2024-07-18 13:49
  • 阅读 ( 416 )

论文分享:Large Language Model based Multi-Agents: A Survey of Progress and Challenges

大模型驱动的多智能体综述,2024年1月发布于ArXiv,专知推文报道。

  • 0
  • 0
  • 小方
  • 发布于 2024-06-18 19:51
  • 阅读 ( 993 )

论文分享-How to Grow a Mind: Statistics, Structure, and Abstraction

How do our minds get so much from so little? 丰富的因果推理、强大的泛化能力、高度抽象的认知输出与稀疏、噪声、模糊的信息输入不匹配2岁孩子可以通过看几个例子学习如何使用一个新词——如...

  • 0
  • 0
  • 吴磊
  • 发布于 2024-06-18 17:40
  • 阅读 ( 859 )

论文分享:More or Less: When and How to Build Convolutional Neural Network Ensembles

研究背景?扩展卷积神经网络模型随着数据集和任务复杂性的增加,卷积神经网络模型需要更多的参数来提升表示能力单一模型与集成模型的选择 设计CNN时,需要在扩展单个网络模型和增加网络数量以形...

论文分享-Mobile Foundation Model as Firmware

# [Mobicom'24]Mobile Foundation Model as Firmware *代码是否开源:是 [https://github.com/UbiquitousLearning/MobileFM]* ##文章摘要 >在当前的人工智能时代,智能手机等移动...

  • 0
  • 0
  • FC
  • 发布于 2024-06-18 16:06
  • 阅读 ( 954 )

文章分享——Kolmogorov–Arnold Network

在MLP中,每层都进行线性变换后跟非线性操作。这种层级结构允许模型学习数据的多层次特征表示。随着层数的增加,模型的表示能力也随之增强   为什么要用MLP? •普适近似理论:...

  • 0
  • 0
  • 刘士琦
  • 发布于 2024-06-18 15:52
  • 阅读 ( 1210 )

论文分享-Tree of Thoughts: Deliberate Problem Solving with Large Language Models

Tree of Thoughts: Deliberate Problem Solving with Large Language Models 论文链接:Tree of Thoughts: Deliberate Problem Solving with Large Language Models 发表会议:NeurlPS 2023...

论文分享—Overlap Communication with Dependent Computation via Decomposition in Large Deep Learning Models

本文提出了一种新的技术,通过与计算方法之间的重叠通信来有效地减少其数据通信开销。利用该技术,将一个识别出的原始通信群与依赖的计算操作一起分解为一系列细粒度的操作序列。通过创造更多重叠的机会和执行新创建的、更细粒度的通信和并行计算操作,有效地隐藏了数据传输延迟,实现了更好的系统利用率。

  • 0
  • 0
  • 庞博文
  • 发布于 2024-06-17 16:52
  • 阅读 ( 1335 )

论文分享——Have we built machines that think like people? (Visual cognition in multimodal large language models)

鉴于LLMs在模仿人类认知能力方面的潜力,一个深入的问题是:我们是否已经制造出了能够像人类一样思考的机器?这个问题需要结合认知科学对模型进行评估进行回答

  • 0
  • 0
  • ytzeng
  • 发布于 2024-06-17 16:46
  • 阅读 ( 828 )

计算社会学课程PPT介绍及下载——第二十四章 虚拟机器人

一、章节介绍 介绍虚拟机器人涉及到的关键技术、塑造的流程以及虚拟机器人塑造平台AI-Mate的系统架构 二、章节预览 三、ppt下载

计算社会学课程PPT介绍及下载——第二十三章 假消息传播

一、章节介绍 介绍假消息定义、假消息认知机理、多模态假消息检测方法、群智融合假消息检测方法和可解释假消息检测方法 二、章节预览 三、ppt下载

计算社会学课程PPT介绍及下载——第二十二章 智能推荐

一、章节介绍 介绍协同过滤、基于内容、基于深度学习、基于情境感知、基于图神经网络等的推荐方法以及现有的评估策略 二、章节预览 三、ppt下载