当前位置：首页 > news >正文

智能算法突破动态挑战，效率革命重塑计算未来！

news 2025/8/16 7:43:41

关注gongzhohao【图灵学术SCI科研圈】，解锁更多SCI相关资讯！

在人工智能与计算系统的迅猛发展中，高效优化动态复杂场景已成为核心研究焦点。三篇前沿论文共同致力于通过智能算法框架提升系统性能，它们分别聚焦异构硬件调度、工业推荐增强和高保真动态重建，均采用创新技术如多目标强化学习、语义ID对齐和事件驱动高斯分裂。

这些工作通过热感知策略减少能耗与延迟、通过多视图对比对齐提升推荐精度、并通过自适应阈值消除重建浮影，显著优化了资源利用与处理效率。在应对动态异构挑战时，它们统一强调了算法创新在实时性、保真度及跨领域应用中的关键作用，为未来高效计算系统开辟了新路径。

THERMOS:Thermally-Aware Multi-Objective Scheduling of AI Workloads on Heterogeneous Multi-Chiplet PIM Architectures

方法：

文章首先构建了一个包含深度神经网络工作负载特征和异构多芯片PIM架构特征的状态空间，用于描述调度问题的输入。然后，通过多目标强化学习（MORL）策略，训练一个能够根据偏好向量动态调整调度决策的策略网络。在调度过程中，MORL策略选择合适的芯片簇，随后采用邻近性驱动算法将神经层分配到具体芯片，以最小化通信开销。最终，通过在多种网络拓扑结构和工作负载条件下的实验验证，THERMOS显著优于现有的调度算法，证明了其在多目标优化方面的优势。

创新点：

THERMOS是首个针对异构多芯片PIM架构的热感知多目标工作负载调度框架，能够同时优化执行时间、能耗和热约束。
提出了一种单多目标强化学习策略，能够在运行时根据目标偏好向量动态调整调度策略，实现帕累托最优的执行时间、能耗或平衡目标。
采用层次化调度方法，结合基于强化学习的芯片簇选择和基于邻近性的芯片内调度算法，有效平衡计算和通信成本，适应不同的网络拓扑结构。

论文链接：

https://arxiv.org/pdf/2508.10691

关注gongzhohao【图灵学术SCI科研圈】，获取多目标优化最新选题和idea

DAS: Dual-Aligned Semantic IDs Empowered Industrial Recommender System

方法：

文章首先构建了一个用户和物品语义模型，通过量化多模态大语言模型（MLLMs）的嵌入来生成用户和广告的语义ID。接着，引入了一个基于ID的协同过滤去偏模块（ICDM），用于去除协同过滤信号中的偏差，从而获得无偏的协同过滤表示。最后，通过多视图双对齐机制（MDAM），将语义ID和去偏后的协同过滤表示进行对比对齐，最大化它们之间的互信息。通过联合训练UISM和ICDM，并结合MDAM模块，DAS实现了语义ID和协同过滤信号的有效对齐，显著提升了推荐系统的性能。

创新点：

DAS提出了一种新颖的一阶段框架，将量化和对齐过程联合优化，避免了传统两阶段方法中的信息丢失问题，同时支持多种量化和对齐方法。
该框架通过多视图对比对齐机制（包括用户到物品、物品到物品/用户到用户以及共现对比对齐）最大化语义ID和协同过滤信号之间的互信息，显著提升了对齐质量。
DAS还引入了双学习策略，通过同时对用户和广告进行量化对齐，生成双对齐的语义ID，进一步提高了推荐系统的性能。

论文链接：

https://arxiv.org/pdf/2508.10584

关注gongzhohao【图灵学术SCI科研圈】，获取多目标优化最新选题和idea

E-4DGS: High-Fidelity Dynamic Reconstruction from the Multi-view Event Cameras

方法：

文章首先设计了一个包含六个围绕物体的移动事件相机的合成多视角相机设置，并提供了一个基准多视角事件流数据集，用于捕捉具有挑战性的运动场景。接着，E-4DGS通过事件自适应初始化策略生成稳定的高斯原语，并采用事件自适应切片溅射技术对事件流进行分段和累积，以实现时间感知的重建。最后，通过引入强度重要性剪枝和自适应对比度阈值，进一步增强了重建的三维一致性和优化精度。