BriefGPT - AI 论文速递
·
使用顺序元学习在多个环境中预测配置性能
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了元学习框架SeMPL，通过在不同环境中学习配置性能并推广到未知目标环境。SeMPL在89%的系统上表现更好，准确性提高到99%，数据效率高，最大加速比达到3.86倍。
🎯
关键要点
- 本文介绍了元学习框架SeMPL。
- SeMPL通过在不同环境中学习配置性能并推广到未知目标环境。
- 与15种最新技术模型进行对比实验。
- SeMPL在89%的系统上表现更好。
- 准确性提高达到99%。
- 数据效率高，最大加速比达到3.86倍。
➡️
