136 편의 논문
이 논문은 고속 RDMA 네트워크를 활용한 '실행 중 로드 (execute-while-load)' 방식과 적응형 멀티캐스트 파이프라인인 Pipe 를 통해 서버리스 환경에서 대규모 언어 모델의 빠른 확장성을 실현하고, 기존 솔루션 대비 지연 시간을 5 배 줄이고 비용을 31.3% 절감하는 Scale 시스템을 제안합니다.
이 논문은 MoE 워크로드의 트래픽 편향과 혼잡 문제를 해결하고 합성 시간을 획기적으로 단축하여 NVIDIA H200 및 AMD MI300X 클러스터에서 기존 솔루션보다 우수한 성능을 보이는 효율적인 All-to-All(v) 스케줄러 'FAST'를 제안합니다.
이 논문은 텐서 레이아웃을 위의 선형 대수로 모델링하는 'Linear Layouts'를 제안하여 기존 방식의 비효율성과 복잡성을 해결하고 Triton 컴파일러의 성능과 유지보수성을 대폭 향상시켰음을 보여줍니다.
이 논문은 샤딩의 성능과 가용성 간의 균형을 맞추기 위해 로컬 체인의 추측적 실행과 메인 체인의 DAG 기반 메모풀을 결합한 계층적 샤딩 블록체인 'PyloChain'을 제안하고, 기존 기술 대비 처리량과 지연 시간 측면에서 우수한 성능을 입증합니다.
이 논문은 과학적 워크플로우의 지연 허용성, 중단 가능성, 확장성을 활용하여 탄소 배출을 80% 이상 감소시킬 수 있는 탄소 인식 실행 전략의 잠재력을 체계적으로 평가하고 그 유효성을 입증합니다.
이 논문은 비동기 LLM 학습 시 발생하는 계산 오버헤드를 줄이기 위해 근사 정책을 단순 보간으로 대체하는 'A-3PO'를 제안하여 학습 속도를 1.8 배 향상시키면서도 성능은 유지하는 방법을 제시합니다.
이 논문은 고대역폭 네트워크만으로는 데이터 이송 성능을 보장할 수 없음을 지적하며, 네트워크 코어 외부의 병목 요인을 규명하고 '배수지 패턴 (Drainage Basin Pattern)' 개념 모델을 제안하여 하드웨어와 소프트웨어의 통합적 설계가 대규모 데이터 이송의 예측 가능한 성능 달성에 필수적임을 실증합니다.
이 논문은 블록 제안자의 98.6% 이상이 외부 서비스에 의존하거나 이기적인 행동을 보임에 따라, 이더리움의 공평성 메커니즘이 참가자의 이타심에만 의존할 수 없으며 인센티브나 페널티 기반의 추가 장치가 필요함을 실증적으로 입증합니다.
이 논문은 Llama-3.1-70B 와 405B 와 같은 밀집형 LLM 의 배포 시 텐서 병렬화 (TP) 가 지연 시간 최적화에, 파이프라인 병렬화 (PP) 가 처리량 최적화에 유리하며, 두 기법을 혼합하여 지연 시간과 처리량 간의 트레이드오프를 조절할 수 있음을 실증적으로 분석합니다.
이 논문은 결정 다이어그램 기반의 혼합 정수 계획법 솔버를 위한 마스터-워커 프레임워크에 특화되어, 대량 연산 (bulk operations) 을 지원하고 기존 큐보다 일정한 지연 시간과 향상된 확장성을 제공하는 새로운 잠금 없는 작업 도용 큐 알고리즘을 제안합니다.
이 논문은 확률적 제약 하의 분산 확률적 최소 - 최대 최적화 문제를 해결하기 위해 제안된 새로운 1 차 Softmax-가중 스위칭 경사법을 통해, 부분 참여 환경에서도 기존 2 단계 방법론의 민감성과 진동 없이 최적성 및 실현성 보장을 위한 수렴 이론과 실험적 유효성을 입증합니다.
이 논문은 가시성 결함으로 인해 불완전한 관측만 가능한 적대적 환경에서 비기억성 자율 이동 로봇들이 동기식 및 비동기식 스케줄링 하에서도 결정론적으로 유한 시간 내에 한 지점에 모이는 것을 보장하는 두 가지 분산 알고리즘을 제안합니다.
이 논문은 대규모 실시간 멀티모달 생성 워크로드 (예: 팟캐스트 비디오) 의 지연 시간, 비용, 품질 간의 트레이드오프를 최적화하기 위해 적응형 품질 조절, 모델 병렬화, 리소스 인식 스케줄링을 통합한 'StreamWise'라는 효율적인 서비스 시스템을 제안합니다.
이 논문은 제한된 자원과 간헐적 연결 환경에서 모바일 에이전트 AI 의 성능을 향상시키기 위해 과거 실행 데이터에서 재사용 가능한 의사결정 구조를 추출하고 동기화하여 온디바이스 추론에 주입하는 지식 기반 추론 프레임워크를 제안하며, 지식 노출이 비단조적으로 작용한다는 점을 강조합니다.
이 논문은 데이터 공유 없이도 서로 다른 도메인의 모델을 통합할 수 있도록 정규화 통계량을 기반으로 가짜 데이터를 생성하고 지식 증류를 통해 희귀한 지식을 보존하는 데이터 프리 모델 병합 프레임워크인 DMM 을 제안합니다.
이 논문은 사용자 프라이버시를 보호하고 통신 비용을 절감하면서 전기차 충전 인프라의 동적 가격 책정과 인센티브를 최적화하기 위해 연방 학습과 심층 Q-네트워크를 블록체인 기반의 LegalEdge 스마트 계약에 통합한 새로운 엣지 지능 프레임워크를 제안합니다.
이 논문은 사용자가 코드 수정 없이도 FaaS 환경에서 함수 간 호출로 인한 중복 인스턴스를 제거하여 지연 시간과 메모리 사용량을 획기적으로 줄이는 플랫폼 측의 투명 함수 융합 기술인 'Provuse'를 제안하고 그 유효성을 입증합니다.
이 논문은 MoE 기반 대규모 언어 모델의 전문가 부하 불균형 문제를 해결하기 위해 서버리스 컴퓨팅을 활용한 'MoEless' 프레임워크를 제안하며, 이를 통해 추론 지연 시간을 43%, 비용을 84% 감소시킨다고 보고합니다.
이 논문은 xERC20, OFT, NTT, CCT, SuperchainERC20 등 5 가지 주요 크로스체인 토큰 표준을 아키텍처, 메시지 전달 메커니즘, 상호 운용성 범위, 체인 호환성 및 보안 기능 등 기술적 설계와 구현 접근 방식, 신뢰 모델, 목표 생태계 측면에서 포괄적으로 비교 분석합니다.
이 논문은 LeRobot 프레임워크를 기반으로 데이터 파이프라인 재구조화, 모델 최적화 (FlashAttention, FP8 등), 그리고 고성능 인프라 구축을 통해 그라 00T-N1.5 모델의 학습 속도를 40 배 가속화한 천 개 GPU 규모의 대규모 분산 학습 플랫폼과 종단 간 평가 시스템을 제시합니다.