实体
Les
Les
PulseAugur coverage of Les — every cluster mentioning Les across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
时间线
- 2026-11-10 research_milestone ModelBest details LES, a method enabling a 35B MoE model to run on phones at over 20 tokens/s. 来源
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
ModelBest 的 LES 技术使 35B MoE 模型可在手机上运行
ModelBest 开发了一种名为 LES（Lookahead Expert Scheduling，前瞻专家调度）的方法，该方法能够使一个拥有 350 亿参数的专家混合（MoE）模型在移动设备上高效运行。该技术通过从手机闪存预加载专家，显著提高了推理速度。该公司报告称，LES 在 iPhone 上的速度达到了每秒 20 多个 token，比基线性能提高了 6.07 倍，并且已公开了相关代码。
-
新的扩散模型优化城市流动监测与传感器放置
研究人员开发了Diff-SPORT，一个新颖的基于扩散的模型框架，用于优化城市环境中的传感器放置和重建湍流。该方法利用生成式扩散先验结合最大后验推理和Shapley值归因，以实现高保真度的流动重建和高效的传感器放置。与传统的RANS或LES模拟相比，Diff-SPORT表现出显著更快的性能，为可扩展的城市流动监测和空气质量管理提供了一种零样本（zero-shot）的替代方案。
-
深度学习模型用于大涡模拟的湍流闭合模型
研究人员开发了一种新的深度学习方法，用于大涡模拟（LES）中的湍流闭合模型。该方法使用一种扰动技术，将直接数值模拟（DNS）数据视为稀疏观测值来训练模型。这允许对闭合模型进行先验训练，使模型能够学习准确统计所需的必要强迫，同时在无需通过 LES 求解器进行反向传播的情况下保持长期稳定性。