PulseAugur
中
实时 10:26:42
English(EN) Agentic Framework for Deep Learning workload migration via In-Context Learning

新的智能体框架可自动迁移 PyTorch 到 JAX 的深度学习模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个自主系统，用于将深度学习模型从 PyTorch 迁移到 JAX，这一过程通常是手动且容易出错的。他们的框架结合了上下文学习 (ICL) 和一个由预言机驱动的自调试方法。通过使用实际的 PyTorch 模块输出来作为执行预言机，并利用智能体循环进行自我纠正，该系统在神经网络模块上实现了 91% 的数值等效性，显著优于先前的方法。 AI

影响 自动化了复杂的迁移任务，可能加速 JAX 在深度学习工作负载中的应用。

排序理由 该集群包含一篇详细介绍深度学习模型迁移新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Qiyue Liang, Steven Ingram, George Vanica, Andi Gavrilescu, Newfel Harrat, Hassan Sipra, Sethuraman Sankaran ·

    Agentic Framework for Deep Learning workload migration via In-Context Learning

    arXiv:2606.15994v1 Announce Type: new Abstract: Translating deep learning models from PyTorch's flexible, object-oriented design to JAX's functional, stateless setup is usually a manual and error-prone task. Automated migration is challenging because Large Language Models (LLMs) …

相关实体

相关话题