本研究针对视频大语言模型（Video LLMs）在时间推理方面的局限性，提出了一种系统框架TEMPO（时间偏好优化），通过直接偏好优化（DPO）来增强其时间推理能力。我们引入了一种自动化的偏好数据生成管道，系统性地构建偏好对，并通过丰富的时间信息视频的选择来优化模型，从而显著提升了视频大语言模型的性能。

ltbridge是grafana和loki tempo之间的桥梁，可作为grafana的数据源添加到loki或tempo，支持不同的数据源存储和查询，提供低成本的可观测通用解决方案。

该研究提出了一种硬件感知工具ODiMO，用于映射芯片上的不同加速器，以降低推理能量消耗或延迟。在实验中，ODiMO成功降低了能量/延迟，而精度下降有限。