「cs.DC」カテゴリーアーカイブ

FedECA: A Federated External Control Arm Method for Causal Inference with Time-To-Event Data in Distributed Settings

投稿日: 2025年4月2日 作成者: jarxiv

要約 外部コントロールアーム（ECA）は、実験薬の早期臨床開発に通知し、規制当局 … 続きを読む →

カテゴリー: cs.DC, cs.LG, stat.ME | FedECA: A Federated External Control Arm Method for Causal Inference with Time-To-Event Data in Distributed Settings はコメントを受け付けていません

Distributed Fractional Bayesian Learning for Adaptive Optimization

投稿日: 2025年4月1日 作成者: jarxiv

要約 このペーパーでは、すべてのエージェントが共通の未知のパラメーターを使用して … 続きを読む →

カテゴリー: cs.DC, cs.LG, cs.MA, math.OC | Distributed Fractional Bayesian Learning for Adaptive Optimization はコメントを受け付けていません

GPU-centric Communication Schemes for HPC and ML Applications

投稿日: 2025年4月1日 作成者: jarxiv

要約 最新の不均一なスーパーコンピューティングシステムでの計算ノードは、CPU、 … 続きを読む →

カテゴリー: C.4, cs.DC, cs.LG | GPU-centric Communication Schemes for HPC and ML Applications はコメントを受け付けていません

Niyama : Breaking the Silos of LLM Inference Serving

投稿日: 2025年3月31日 作成者: jarxiv

要約 大規模な言語モデル（LLMS）の広範な採用により、非常に異なる遅延要件を備 … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.LG | Niyama : Breaking the Silos of LLM Inference Serving はコメントを受け付けていません

A Selective Homomorphic Encryption Approach for Faster Privacy-Preserving Federated Learning

投稿日: 2025年3月28日 作成者: jarxiv

要約 Federated Learningは、分散型デバイスまたはサーバーのトレ … 続きを読む →

カテゴリー: C.2.4, cs.CR, cs.DC, cs.LG | A Selective Homomorphic Encryption Approach for Faster Privacy-Preserving Federated Learning はコメントを受け付けていません

An Empirical Study of the Impact of Federated Learning on Machine Learning Model Accuracy

投稿日: 2025年3月28日 作成者: jarxiv

要約 Federated Learning（FL）は、グローバルスケールでのプラ … 続きを読む →

カテゴリー: C.2.4, cs.DC, cs.LG | An Empirical Study of the Impact of Federated Learning on Machine Learning Model Accuracy はコメントを受け付けていません

Injecting Adrenaline into LLM Serving: Boosting Resource Utilization and Throughput via Attention Disaggregation

投稿日: 2025年3月27日 作成者: jarxiv

要約 大規模な言語モデル（LLM）サービスシステムでは、各リクエストを実行するこ … 続きを読む →

カテゴリー: cs.DC, cs.LG | Injecting Adrenaline into LLM Serving: Boosting Resource Utilization and Throughput via Attention Disaggregation はコメントを受け付けていません

An Empirical Study of the Impact of Federated Learning on Machine Learning Model Accuracy

投稿日: 2025年3月27日 作成者: jarxiv

要約 Federated Learning（FL）は、グローバルスケールでのプラ … 続きを読む →

カテゴリー: C.2.4, cs.DC, cs.LG | An Empirical Study of the Impact of Federated Learning on Machine Learning Model Accuracy はコメントを受け付けていません

Fully Distributed Fog Load Balancing with Multi-Agent Reinforcement Learning

投稿日: 2025年3月27日 作成者: jarxiv

要約 リアルタイムのモノのインターネット（IoT）アプリケーションでは、IoTワ … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.LG, cs.MA | Fully Distributed Fog Load Balancing with Multi-Agent Reinforcement Learning はコメントを受け付けていません

DeltaZip: Efficient Serving of Multiple Full-Model-Tuned LLMs

投稿日: 2025年3月26日 作成者: jarxiv

要約 大型言語モデル（LLMS）を微調整すると、ダウンストリームタスクのモデル品 … 続きを読む →

カテゴリー: cs.DC, cs.LG | DeltaZip: Efficient Serving of Multiple Full-Model-Tuned LLMs はコメントを受け付けていません