PulseAugur
中
实时 07:44:15
English(EN) Boltzmann MapReduce: A Partition-Function Reduce for Forkable Sandboxes

新框架 Boltzmann MapReduce 支持可分叉沙箱

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的、专为可分叉沙箱设计的框架 Boltzmann MapReduce。该方法利用了一种分区函数归约方法，在局部渐近正态性下，将工作者置信度密度建模为 Gibbs-Boltzmann 度量。该框架确立了不相交的数据块拥有独立的 Boltzmann 因子，使得 MapReduce 的归约操作能够作为精度加权池化的分区函数。此方法在高斯/线性情况下是精确的，在其他情况下则作为一阶近似，并在零温度极限下实现一致性。 AI

影响 引入了一个新的沙箱计算框架，可能影响分布式 AI 训练和推理。

排序理由 该集群包含一篇详细介绍新计算框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架 Boltzmann MapReduce 支持可分叉沙箱

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yossi Eliaz ·

    Boltzmann MapReduce：可 Fork 沙盒的分区函数归约

    arXiv:2607.09689v1 Announce Type: new Abstract: To leading order under local asymptotic normality (LAN), the confidence density a worker emits over a chunk of size $n$ is a Gibbs--Boltzmann measure $\exp\{-\beta E(\theta)\}$ whose inverse temperature is the sample size, $\beta=n$…

相关话题