本文汇总了多项机器学习系统研究：p-Meta实现IoT设备模型的高效少样本适应；Holmes为LLM提供异构网络可扩展训练框架；软硬件协同设计使大规模DLRM训练提速40倍；ScaML-GP以多任务核实现可扩展元学习；新并行方法支持万亿参数模型训练；分散系统利用消费级GPU协同训练大模型；DLRM模型并行缓解内存限制；元学习框架实现用户自适应模型选择；GPU缓存动态管理embedding表；层级潜变量模型提升元学习数据利用率。