V
主页
京东 11.11 红包
[NSDI2023] Gemel: 边缘端基于模型合并方法的内存高效,实时视频分析
发布人
https://www.youtube.com/watch?v=_xsbf4BVg10
打开封面
下载高清视频
观看高清视频
视频下载器
边缘云端高效的LLM推理
AI Hardware
折纸到仿生科学
DéjàVu: 稀疏上下文的高效LLM推理服务
[SIGCOMM2023] : Offloading
边缘AI
凸集图及在最优控制和运动规划中应用
一种结构化方法来实现机器人学习泛化
K8S在边缘端用于AI模型部署的演示
神经场在机器人操作中的应用
AI应用于经济学
机器人空间感知基础
从物理互动中学习结构化世界模型
ML与程序合成
[CoNEXT2023] Datacenter
机器人学习中运动表示
[APNEET2023] 超大规模RDMA:经验和未来方向
Optimal Control (CMU 16-745) 2024 Lecture 19:卡尔曼滤波
以内存为中心的计算
Jim Fan 谈 Nvidia 的 Embodied AI Lab 以及老黄关于所有机器人都将实现自主预测
机器人学习中的收缩理论
[CVPR24 Vision Foundation Model tutorial] 多模态模型构建通用多模态助手
机械工程前沿建设
机器人控制的不同鲁棒性观点
MuxServe:灵活的多路复用实现高效的多个LLM服务
目标驱动AI: Towards AI systems that can learn, remember, reason, and plan
GPU加速
Distributional reinforcement learning
视听自监督baby learning,从AI、心理学和神经科学的角度理解低级智力
RISC-V Microprocessors
机器人中的数值方法
可扩展的 MatMul-free
Geometric Regularizations for 3D Shape Generation
Stanford CS149 并行计算,Transactional Memory 17
非稳态环境中的安全RL:理论与算法
学习可变形物体操作的长期双手动任务
Andrew Ng,数据工程对于data-centric AI的重要性
Stanford CS149 并行计算,Cache Coherence 11
[STOC 2024] Avi Wigderson:“Alan Turing: A TCS Role Model”
[SIGCOMM2023] CoNEXT23技术研讨会:应用