研究人员开发了一种名为层并行推理（SNLP）的新方法，以提高Transformer模型在使用全同态加密（FHE）对加密数据执行计算时的效率。Transformer的传统FHE推理受到非线性运算顺序性的阻碍。SNLP减少了所需的顺序非线性阶段数量，从而显著减少了计算步骤并降低了误差放大。虽然SNLP是对现有FHE友好算子设计的补充，但它并不能取代它们，因为像softmax这样的运算的近似仍然是误差预算中的主要因素。 AI
影响 增强了在加密AI模型上执行敏感计算的可行性。
排序理由 学术论文，详细介绍了使用FHE改进Transformer推理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Chebyshev
- CKKS
- fully homomorphic encryption
- Hugging Face
- Indonesia
- Layer-Parallel Inference
- SNLPS Irinjalakuda
- transformers
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
