在汽车后市场中，高效的备件库存管理至关重要，因为需求高度间歇且不确定性导致巨大的成本……

确定性对于大语言模型（LLM）训练中的可重复性是必不可少的，但它往往会带来巨大的性能代价。在广泛使用的注意力 …

脉冲神经网络（SNNs）由于事件驱动的稀疏计算而具有极高的能效，但其训练受到脉冲不可微分性的挑战。

我们探讨 software engineering 中的 folklore 概念，借鉴 folklore studies 来定义和刻画 narratives、myths、rituals、humor，以及……

创建业务流程模型与标记（BPMN）模型是一项复杂且耗时的任务，需要领域知识和建模熟练度……

脉冲神经网络（SNNs）可以通过转换已有的、训练良好的人工神经网络（ANNs）来实现竞争性的性能，避免进一步…

同行评审是软件工程社区评估科学成果质量的主要机制。然而，论文提交的快速增长……

在混合工作负载下提供大型语言模型（LLMs）服务——短小、对延迟敏感的交互查询与长时间、面向吞吐量的批处理请求并存——pos...

缺失数据是许多应用中普遍存在的问题，包括大型医学登记系统，如 Swedish Healthcare Quality Registries，可能导致……

大型语言模型的运行效率在很大程度上依赖于其 inference-time context。这使得 Context Engineering (CE) 成为一个正式的学科……

大型语言模型通过直接从自然语言提示生成优化算法，使得自动算法设计（AAD）成为可能。虽然演化……

大型语言模型（LLMs）在各个领域表现出色，但由于 quadratic attention 和密集的 Feed-Forward Network（FFN）操作导致高能耗。

基于 LLM 的多代理仿真正被越来越多的应用领域采用，但由于 GPU 内存压力，仍然难以扩展。每个代理主要…

Generative AI 在 software engineering 活动中扮演着日益重要的角色，使它们例如更高效或提供更好的质量。然而，它往往……

Federated Learning (FL) 使得在分布式数据源上协作训练 Large Language Models (LLMs) 成为可能，同时保护隐私。然而，当 f...

漏洞标识符，如 CVE、CWE 和 GHSA，是已知软件安全问题的标准化引用，但它们在实际中的使用尚未得到充分理解。

Foundation models (FMs) 解锁了前所未有的多模态和多任务智能，但它们以云为中心的部署阻碍了实时响应和……

Quality diversity (QD) 是进化计算的一个分支，旨在寻找高质量且行为多样的解决方案。虽然对抗性问题…

自从它们诞生以来，人工神经网络一直依赖手工设计的 architectures 和 inductive biases，以更好地适应数据和任务。随着…

对复杂社会系统的模拟器进行校准的目标是识别能够使模拟器输出最佳匹配目标的最优参数。

已知 Informed down-sampling (IDS) 在与各种选择策略结合时，尤其是 tournament selection，能够提升 symbolic regression 的性能。

本文考虑具有 Lipschitz 连续局部函数的去中心化非光滑非凸优化问题。我们提出了一种高效的随机一阶……

现代数据并行（DP）训练倾向于使用集合通信而非参数服务器（PS），因为在负载均衡的情况下，它更简单且效率更高。不过…

FaaS 平台依赖像 Kubernetes 这样的集群管理器进行资源管理。Kubernetes 因其以状态为中心的 API 而受到欢迎，这些 API 将控制平面与底层实现解耦。