标签
提出了一种用于训练输入凸神经网络（ICNN）的“提升”方法，该方法使用无约束的超网络生成非负的层间权重，从而软化损失景观并避免梯度衰减，相比投影梯度下降和softplus重参数化，实现了更低的测试损失。
本文分析了LLM赋能代理工作流中延迟、可靠性和成本之间的权衡，引入了性能模型，并推导出了如注水令牌分配等最优资源分配策略。
关于近期行业AI论文缺乏新颖性的批判性观察，以SkillOpt为例，这些论文将自然语言技能视为可训练的外部参数。
本文系统地研究了LLM归一化层中的缩放向量，揭示了它们通过自放大预条件效应优化训练，并提出了三种轻量级改进方案，在几乎不增加开销的情况下提升性能和扩展行为。
为Orange Pi AIPro（Ascend 310B NPU）上的MiniCPM-V 4.6开发了自定义C++推理引擎，通过为matmul和causal-conv1d编写优化的AscendC内核，实现了相比原始框架2倍的加速，达到5.90 tokens/s。
本文介绍了SF-NorMuon，一种无调度频谱优化器，在参数规模达7.72亿的语言模型上匹配或超越调优后的AdamW，并提供了平稳性和长期稳定性的理论保证。
本文介绍了飞机拆解调度问题，这是一个大规模组合优化任务，涉及数千个任务、先后关系、平衡约束以及有限空间。本文提出了一个约束规划模型和一个MIP模型，并在包含多达1450个任务的实际运营实例上进行了测试。
将 Qwen 3.6 35b a3b 模型转换为 ROCmfp4 格式，利用 MTP 优势提升 AMD 硬件上的性能。
一条推文推荐Nvidia RTX 4090使用--ddtree-budget 36，声称在Qwen3.6_27B解码时实现2.5倍加速。
本文通过更新几何研究语言模型强化学习中的奖励作弊，识别出优化漂移是一个关键因素。它提出可信方向投影，将梯度约束在干净的参考子空间内，从而延迟捷径利用并保持任务性能。
Turbo3 在32K上下文下，相比 fp8 解码速度提升了5%（每秒 tokens 数），这是量化或模型优化方面的性能改进。
KDA是一个由智能体驱动的内核设计框架，通过最小化人工参与，帮助HAN Lab在MLSys FlashInfer Kernel Contest中获得顶尖排名。该智能体利用Humanize、KernelWiki和性能分析技能来生成最先进的内核。
关于Transformer模型KV缓存压缩的提示：从未压缩的键和压缩的值开始，然后根据模型家族的敏感性进行调整；先尝试非对称压缩，再尝试对称压缩。
一位开发者分享，花了3个月过度优化克劳德代码设置，用了23个插件和多个框架，性能却比第一天还差；删除几乎所有内容后效果大幅提升，强调最小化设置通常最有效。
解释了梯度、雅可比矩阵和海森矩阵作为AI模型训练基础工具的数学概念，描述了它们衡量变化的方式以及各自在优化中的作用。
一篇综合性的博客文章，解释如何通过理解三个关键组成部分来优化深度学习性能：计算、内存带宽和开销，利用第一性原理识别性能区间并专注于有效的优化。
一位Go工程师讲述了一次事件：内存数据存储因排序缓慢而超载，他们在排序函数内部实现了上下文取消，使用panic和recover进行非局部流程控制，类似于encoding/json处理错误的方式。
Charlie Marsh（Ruff 的创建者）以反问的方式询问是否允许将东西加速数百倍，很可能是在提及软件开发工具中的一项重大优化。
作者分享了在8GB RTX 3070 Ti上使用llama.cpp运行Qwen3.6-35B-A3B MoE模型，实现高达262k上下文、30+tps的详细调优技巧，并指出从Windows切换到Ubuntu Server后速度提升了25%。