实体
integer linear programming
integer linear programming
PulseAugur coverage of integer linear programming — every cluster mentioning integer linear programming across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
3 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的量化方法 MODE 削减 MoE-MLLM 内存成本
研究人员推出了一种新颖的量化框架 MODE，旨在降低混合专家多模态大语言模型 (MoE-MLLMs) 的显著内存成本。该框架解决了现有方法中阻碍性能的专家重要性估计偏差。通过按模态分解专家选择频率并过滤冗余视觉标记，MODE 旨在提高量化精度，尤其对文本关键专家而言。实验表明，MODE 实现了大幅压缩，即使在极端比特宽度设置下，性能损失也很小。
-
新框架诊断视频实例分割中的跟踪不稳定性
研究人员开发了一个新的诊断框架，用于分析视频实例分割（VIS）中的性能瓶颈。该框架使用整数线性规划（ILP）来分离分类、分割和跟踪目标中的错误来源。分析显示，跟踪不稳定性是在线VIS方法的一个主要问题，尤其是在较长的视频或更密集的场景中，并且更强的骨干网络并不能显著提高跟踪性能。
-
新的无求解器框架解决整数线性规划
研究人员开发了一种新颖的无求解器框架来解决整数线性规划（ILP）问题，这在组合优化中很常见。这种新方法直接探索可行区域，而不依赖于传统的求解器或机器学习训练。它在其转移核中使用了局部平衡提议，并结合了并行退火，包括一种新的惩罚退火技术，该技术可调整约束障碍。与SCIP和Gurobi等成熟求解器相比，该框架在多个基准测试中表现出更优越的性能，并且比基于学习的方法对分布变化具有更强的鲁棒性。