大型语言模型（LLMs）在各种语言相关任务中展现出显著的潜力，但它们是否捕获了更深层的语言属性，……

能够通过与环境的多次交互完成复杂任务的智能体已成为一个热门的研究方向。然而，在这种 ...

大型语言模型（LLMs）已被证明在解决复杂推理任务方面非常有效。令人惊讶的是，它们的能力往往可以通过 i...

本文提出了一种创新的方法，通过在单个神经元层面的硬件冗余来确保神经网络的功能稳定性。不同于……

现代软件生态系统的规模、复杂性、互联性和自主性的不断增长带来了前所未有的不确定性，挑战了……的基础。

自适应系统（SAS）旨在通过包含四个核心功能的反馈回路来处理变化和不确定性：监控、分析、规划和执行。

大型语言模型（LLMs）已经彻底改变了通用自然语言处理以及代码合成、法律推理等领域特定的应用。

Proof-of-Vulnerability (PoV) 输入生成是软件安全中的关键任务，并支持下游应用，如路径生成和验证……

请提供您希望翻译的文章摘要或摘录文本，我才能为您进行翻译。

作为从函数级别到仓库级别的 code completion 任务，利用大规模 codebases 中的 contextual information 成为一个核心挑战。然而，...

在本工作中，我们提出了 FLEX，一种用于混合单元高度合法化任务的 FPGA‑CPU 加速器。我们从以下几个方面来解决挑战。首先，w...

图上的机器学习最近在多个领域取得了显著的进展，包括分子属性预测和芯片设计。然而，基准…

日志解析将原始日志转换为包含常量和变量的结构化模板。它是异常检测、故障诊断以及其他 AIOps 的基础。

基于 CXL 的计算存储（CCM）在扩展的远程内存中实现近内存处理，提供了解决数据移动成本相关问题的机会……

工作流自动化有望在日常文档相关任务中带来显著的生产力提升。虽然之前的 agentic 系统可以执行孤立的指令，t...

Spiking Neural Networks (SNNs) 由于其稀疏二进制激活，提供了一种有前景且节能的传统神经网络替代方案。How...

Hallucinations 是在创建依赖 Foundation models (FMs) 的应用时的关键关注点。了解这些细微失效在何处以及如何发生是……

在稀疏 LU 分解中，符号分解后的非零元素往往分布在稀疏矩阵的对角线和右下区域。然而，重新…

现代 GPU 软件栈要求开发者在实际启动 kernel 之前就能预判性能瓶颈；误判 floating-point 工作负载会导致……

随着现代并行机器的复杂性和规模不断增长，程序员越来越依赖软件库的组合来封装和…

参数高效微调（PEFT）通过仅更新大型预训练模型中一小部分参数，提供了一种可扩展的全模型适配替代方案。

Aurora 超级计算机于 2024 年部署在 Argonne National Laboratory，目前是全球 Top500 列表中三台 Exascale 机器之一。

我们提出了 tritonBLAS，一个快速且确定性的分析模型，利用诸如缓存层次结构以及相对代码和数据放置等架构参数，……

Normalizing Flows (NFs) 学习数据与高斯分布之间的可逆映射。先前的工作通常存在两个限制。首先，它们添加……