optimization

本文将随机需求时序下的多产品产能受限批量生产问题表述为离散时间MDP，并提出一种遗传算法进行求解，在基准实例上展示了其效率。

本文在大型语言模型的多奖励强化学习中识别出聚合引发的奖励黑客行为，并提出一种自适应投影方法 AMRP，以动态调整权重，实现更好的奖励平衡和性能。

本文研究优化中的渗透动态，重点探讨方差级联和离散尺度不变性。

本文解释了LLM推理中的有效前沿概念，涵盖了延迟、吞吐量和成本之间的权衡，并概述了在部署中管理或提高效率的技术。

华盛顿州立大学的研究人员使用人工智能优化了高性能金属合金GRCop-42的3D打印，使其能够通过商业设备实现。这项工作发表在AAAI会议论文集中，并获得了创新部署应用奖。

PyTorchCon北美2026大会设有内核工程轨道，专注于编译器、优化、自定义内核和系统工作，并有Mark Saroufim的主题演讲。

本文探讨了在企业AI应用中实现低延迟的挑战，特别是200毫秒的阈值，并强调了其对实时性能和运营效率的影响。

本文评估了CSS压缩是否对网页性能有必要，基于测试和实际分析，得出其收益微乎其微的结论。

本文讨论了在启用流式传输后，语音代理系统中隐藏的延迟来源，并寻求关于实时代理关键性能指标的建议。

一篇解释LLM推理中静态、动态和连续批处理策略的文章，以及为什么提供LLM服务与传统ML推理不同。

SS-eSOAP引入了一种针对物理信息神经网络的自缩放自适应预条件方法，通过减少残差来提高优化性能，并在各种PDE基准测试中实现了比基线方法更高的准确性。

本文提出了一种全分布式连续时间算法，用于在具有共享约束的多智能体系统中计算广义纳什均衡，无需乘数交换以减少通信开销并增强隐私性，并在多机器人放置任务上进行了验证。

本论文通过谱动力学阐明神经网络损失景观中的模式连通性，解释诸如grokking和记忆化等现象，并将见解应用于增强多样特征学习和实际神经网络训练。

本文提出了一种名为TREVIS的方法，该方法利用树形Transformer变分自编码器在连续潜在空间中进行优化，从而学习稀疏决策树，实现了良好的预测性能并提升了结构稀疏性。

一个GitHub仓库，提供结构化的100天LLM推理工程学习计划，涵盖从CUDA内核到自动扩展的主题，并配有可运行的脚本。

David Cortés 正在使用 pi-autoresearch 构建一个网站来展示工作流程，并邀请优化运行嵌入到网站中。

证明 Qwen 3.8 Flash Next 可以在中端 Android 手机上以3.5 tok/s的速度本地运行，通过优化和低量化实现。

这条推文建议针对不同复杂度的任务使用不同的AI模型来优化效果，推荐复杂工作用Sol，日常工作用Terra，简单任务用Luna。

一条推文询问一个未指定系统的速度，作者分享了其个人最佳成绩为1.6米每秒。

号召大家参与llama.cpp的开放PR，优化CPU、内存、磁盘和混合推理，提升性能，争取年底前完成。