研究人员开发了一种名为MCHA的新硬件架构，旨在加速并行-顺序计算任务。该架构通过采用分层通信策略来减少主内存负载，从而解决了传统系统中的瓶颈问题。MCHA还包含一种新颖的编程模型，可以隐藏数据传输延迟。基准测试表明，与NVIDIA A100 GPU相比，MCHA在多智能体强化学习（MARL）工作负载上实现了153倍到2400多倍的显著加速，同时大幅减少了主内存访问。 AI
影响 该架构可以显著加速AI的研究和部署，特别是对于复杂的多智能体系统。
排序理由 该集群描述了一种新颖的硬件架构及其在学术论文中 presented 的性能基准。 [lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
