#性能优化
主题「性能优化」下共有 161 篇日报,第 3 / 3 页。
2026-08-09周日1 篇性能优化
2026-08-07周五1 篇大模型
2026-08-06周四2 篇应用架构大语言模型
2026-08-04周二2 篇强化学习扩散模型
2026-08-02周日1 篇Transformer
2026-08-01周六2 篇AI 生态大语言模型
2026-07-31周五5 篇强化学习大语言模型PyTorchGPT-5.6
不改奖励也能细分信用:CoRT 用反事实重放优化逐词训练
CoRT 对比有无评分准则时的逐词似然,将 GRPO 的整段优势重新分配到 token,实验平均增益为 4.4 个百分点。
来源:Hugging Face Daily Papers评测不再固定:DecoEvo让求解器与评分规则解耦共进化
DecoEvo以相互独立的目标协同优化求解器与评分规则生成器,缓解开放任务中固定评测信号失效的问题。
来源:Hugging Face Daily Papers上游同步不只靠自动化:FBTriton 用三级验证托住编译器创新
Meta 介绍 FBTriton 如何结合智能体式上游摄取与分层验证,在推进 TLX、autoWS 时持续跟进 Triton。
来源:PyTorch BlogGPT-5.6降低Luna与Terra价格:企业部署转向单位成本竞争
OpenAI宣布降低GPT-5.6中Luna与Terra的价格,并通过提升模型效率推动企业AI工作流规模化部署。
来源:OpenAI闲置 GPU 正成为停场飞机:算力管理不能只靠继续采购
文章以“停场飞机”比喻闲置 GPU,提醒团队关注已购算力能否持续产出;因摘要与正文缺失,本文仅作保守解读。
来源:Hugging Face Blog2026-07-30周四4 篇GPT-5.6AI 智能体代码智能体
两个 API 设置让成绩翻三倍:GPT-5.6 的评测配置启示
OpenAI 称,保留推理并启用 compaction 后,GPT-5.6 在 ARC-AGI-3 上的得分升至约三倍,效率也得到改善。
来源:OpenAIGPT-5.6 不只追求更强:把模型、推理与智能体效率放进同一账本
OpenAI 将 GPT-5.6 的重点概括为跨模型、推理和智能体工作流的效率提升,目标是让每一美元获得更有用的智能。
来源:OpenAI相关性不只用于召回:RARG让语料交互搜索更快收敛
RARG 将文档排序、入口初始化和匹配重排串成粗到细的相关性引导,改善复杂问答中搜索准确率与效率的权衡。
来源:Hugging Face Daily Papers代码智能体不必反复寻找上下文:CodeNib统一仓库多视图服务
CodeNib按提交构建可复用的仓库视图,在更新、导航延迟与上下文令牌消耗之间给出明确的质量成本边界。
来源:Hugging Face Daily Papers2026-07-29周三2 篇大语言模型推理优化
2026-07-28周二1 篇科研
2026-07-26周日1 篇Claude
2026-07-24周五2 篇性能优化PyTorch
2026-07-23周四3 篇扩散模型物理 AI
4B 图像模型提速:Mage-Flow 兼顾原生分辨率与四步推理
Mage-Flow 以轻量 VAE、原生分辨率扩散 Transformer 和系统级优化,降低图像生成与编辑成本。
来源:Hugging Face Daily Papers生成式世界渲染进入实时档:Flash 版达到每秒 31.54 帧
少步自回归流式模型配合轻量蒸馏编解码器,将 Flash 版生成式世界渲染从 0.56 FPS 提升至 31.54 FPS。
来源:Hugging Face Daily Papers模板词元才是语义寄存器:DiT 通过图像潜变量回写对象身份
因果干预显示,结构模板词元会在去噪中接管对象身份;据此剪枝可削减 20% 注意力 FLOPs,GenEval 仅下降 1.4 分。
来源:Hugging Face Daily Papers2026-07-22周三1 篇代码智能体
2026-07-21周二4 篇Transformer强化学习大语言模型AI 智能体
循环架构扳回算力账:Loopie同预算超越标准Transformer基线
Loopie以MoE重做循环Transformer,在相同训练算力下超过标准基线,并报告无工具竞赛级推理表现。
来源:Hugging Face Daily PapersMuon 并非万能替代 AdamW:智能体强化学习收益取决于训练组合
在 ALFWorld 单种子实验中,Muon 显著改善部分稀疏奖励训练,但收益受优势估计器与学习率共同制约。
来源:Hugging Face Daily Papers推荐系统不必每次重读历史:RecGPT-V3 用记忆与混合模态降本
RecGPT-V3 以持续用户记忆、文本标签与语义 ID 联合推理,缓解重复建模、物品映射损失和显式推理开销。
来源:Hugging Face Daily Papers低推理智能体也能抬高上限:RHI 让执行框架递归自我改进
RHI 通过成对反馈迭代改写智能体执行框架,在合成研究任务中改善信息流,并将推理成本最多降低 60%。
来源:Hugging Face Daily Papers2026-07-20周一1 篇代码智能体
2026-07-18周六4 篇模型评测强化学习视频大模型
别只看模型能力:OpenAI提出四项指标衡量AI投入回报
OpenAI CFO Sarah Friar提出一套实用记分卡,从有效工作、成功任务成本、可靠性与算力回报四方面衡量AI投资ROI。
来源:OpenAI百万 Token 强化学习执行可压进固定预算:LongStraw 用重放换显存
LongStraw 通过无梯度计算共享提示并逐支重放响应,将强化学习后训练扩展到数百万位置,但尚未证明完整训练正确性。
来源:Hugging Face Daily PapersVideoChat3 全量开放:用时空编码与自适应分辨率兼顾效率和泛化
VideoChat3 结合 I3D-ViT、自适应帧分辨率与三套合成数据,尝试统一通用、长视频和流式理解。
来源:Hugging Face Daily Papers规模化微调视频与图像模型:NeMo 携手 Diffusers
文章聚焦 NeMo 与 Diffusers 协同微调视频和图像模型,但现有材料仅有标题,具体实现、性能与适用范围均未披露。
来源:Hugging Face Blog2026-07-16周四1 篇AI 智能体
2026-07-14周二1 篇PyTorch
没有匹配的日报,换个关键词试试。