BriefGPT - AI 论文速递 ·

Federated Split Learning with Model Pruning and Gradient Quantization in Wireless Networks

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究提出了一种轻量级的联邦分割学习方案，旨在解决边缘设备在联邦学习中的资源限制问题。通过动态剪枝和量化梯度更新，显著降低了计算和通信开销，实验结果表明在无线网络中有效提升了训练性能。

🏷️

Kimi K3 模型结构（7）：结构决定系统
本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
EP224：MCP与RAG及AI代理的对比
本文介绍MCP、RAG与AI Agent的区别：MCP是连接AI与外部工具的标准协议；RAG通过检索外部数据提供最新答案；AI Agent能自主决策执行任...
Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
GPT-6带火循环Transformer，阿里早已布局
手握两篇顶会论文
Claude Fable 5.1 对比 Fable 5：在实际工作中，我无法区分它们。
Anthropic发布Claude Fable 5.1，宣称在编码和知识工作上有重大进步，基准测试得分翻倍。但作者用四个真实任务测试新旧模型，发现两者准确...