「cs.DC」カテゴリーアーカイブ

LoGoFair: Post-Processing for Local and Global Fairness in Federated Learning

投稿日: 2025年3月24日 作成者: jarxiv

要約 Federated Learning（FL）は、分散型のデータソースから学 … 続きを読む →

カテゴリー: cs.DC, cs.LG | LoGoFair: Post-Processing for Local and Global Fairness in Federated Learning はコメントを受け付けていません

Federated Cross-Domain Click-Through Rate Prediction With Large Language Model Augmentation

投稿日: 2025年3月24日 作成者: jarxiv

要約 厳しいプライバシーの制約の下でクリックスルーレート（CTR）を正確に予測す … 続きを読む →

カテゴリー: cs.CL, cs.DC, cs.IR | Federated Cross-Domain Click-Through Rate Prediction With Large Language Model Augmentation はコメントを受け付けていません

GREEN-CODE: Learning to Optimize Energy Efficiency in LLM-based Code Generation

投稿日: 2025年3月24日 作成者: jarxiv

要約 大規模な言語モデル（LLM）は、日常生活に不可欠になり、さまざまな自然言語 … 続きを読む →

カテゴリー: C.4, cs.AI, cs.DC, cs.PF, cs.SE | GREEN-CODE: Learning to Optimize Energy Efficiency in LLM-based Code Generation はコメントを受け付けていません

ModServe: Scalable and Resource-Efficient Large Multimodal Model Serving

投稿日: 2025年3月24日 作成者: jarxiv

要約 大規模なマルチモーダルモデル（LMMS）は、画像、ビデオ、オーディオを超え … 続きを読む →

カテゴリー: cs.AI, cs.DC | ModServe: Scalable and Resource-Efficient Large Multimodal Model Serving はコメントを受け付けていません

RAGO: Systematic Performance Optimization for Retrieval-Augmented Generation Serving

投稿日: 2025年3月24日 作成者: jarxiv

要約 大規模な言語モデル（LLM）と外部知識データベースからの検索を組み合わせた … 続きを読む →

カテゴリー: C.1, cs.AI, cs.CL, cs.DC, cs.IR | RAGO: Systematic Performance Optimization for Retrieval-Augmented Generation Serving はコメントを受け付けていません

Capturing a Moving Target by Two Robots in the F2F Model

投稿日: 2025年3月21日 作成者: jarxiv

要約 移動ターゲットを無限の実際のラインでキャプチャするための検索問題を調査しま … 続きを読む →

カテゴリー: cs.DC, cs.RO | Capturing a Moving Target by Two Robots in the F2F Model はコメントを受け付けていません

Dispersion is (Almost) Optimal under (A)synchrony

投稿日: 2025年3月21日 作成者: jarxiv

要約 分散の問題は、分散コンピューティングの文献で最近多くの注目を集めています。 … 続きを読む →

カテゴリー: cs.DC, cs.DS, cs.MA, cs.RO | Dispersion is (Almost) Optimal under (A)synchrony はコメントを受け付けていません

Graph of Effort: Quantifying Risk of AI Usage for Vulnerability Assessment

投稿日: 2025年3月21日 作成者: jarxiv

要約 AIベースのソフトウェアが広く利用可能になっているため、自動化や複雑なパタ … 続きを読む →

カテゴリー: cs.AI, cs.CR, cs.DC | Graph of Effort: Quantifying Risk of AI Usage for Vulnerability Assessment はコメントを受け付けていません

RESFL: An Uncertainty-Aware Framework for Responsible Federated Learning by Balancing Privacy, Fairness and Utility in Autonomous Vehicles

投稿日: 2025年3月21日 作成者: jarxiv

要約 自動運転車（AVS）は、プライバシーを維持しながら知覚モデルを強化するため … 続きを読む →

カテゴリー: cs.CV, cs.DC, cs.ET, cs.LG | RESFL: An Uncertainty-Aware Framework for Responsible Federated Learning by Balancing Privacy, Fairness and Utility in Autonomous Vehicles はコメントを受け付けていません

Scalable Co-Clustering for Large-Scale Data through Dynamic Partitioning and Hierarchical Merging

投稿日: 2025年3月20日 作成者: jarxiv

要約 同時に共同クラスター化して、行と列をクラスターして、より微細なグループが明 … 続きを読む →

カテゴリー: cs.DC, cs.LG, H.2.8 | Scalable Co-Clustering for Large-Scale Data through Dynamic Partitioning and Hierarchical Merging はコメントを受け付けていません