2456 篇论文
本文针对 AMD Zen 3 微架构进行了一项系统性的优化研究，通过评估 28 种不同的缓存/寄存器分块、FMA 链化以及即时打包配置，实现了单核 FP32 矩阵乘法 85.30 GFLOPS 的性能，并最终确定了一个达到理论峰值性能 63.5% 的冠军设计，同时引入了一个用于未来优化的预测模型。
本文提出了一种多模态深度学习框架，该框架整合了来自社交媒体的文本、视觉和行为数据，与传统的机器学习和单模态方法相比，能够实现更准确、更早期的心理健康障碍检测。
本文提出了一种在笔记本电脑上模拟大规模大语言模型（LLM）智能体社会的高性价比方法，该方法通过使用从廉价查询中拟合出的低参数代理来替代个体智能体，引入了一种感知-记忆分类法以预测模拟准确性，并在多种宏观场景下验证了该方法的有效性。
本文通过对 NVIDIA Ada Lovelace 架构 RTX 4060 上 cuBLAS、CUTLASS 以及自定义 WMMA 实现的 FP16 GEMM 性能进行基准测试，揭示了采用特定分块几何结构的深度为三的流水线达到了峰值吞吐量的 52.7%，并表明共享内存压力而非流水线深度是限制进一步优化的主要瓶颈。
本文提出了一种多智能体 AI 框架，该框架集成了基于规则的分析、公共 RAG、由 Groq 驱动的 LLM 推理以及 Q-learning 强化学习，旨在自主检测、重构并验证软件仓库中的代码质量改进，在保持功能正确性的同时，实现了技术债的显著降低。
本文提出了一种“模拟形态场”——一个作为持久共享内存层计算隐喻的概念——旨在提高多智能体机器人学习的效率与可持续性，同时将其作为工程教育中教授集体智能与系统思维的一种教学工具。
本文介绍了 PromptCanary，这是一个开源工具，它通过使用可定制的提示词和评分探测器，将黄金标准回归测试应用于检测大语言模型 API 中无声的行为漂移，通过将当前输出与版本化的基准进行对比来实现。
本文介绍了 ANA，这是一款由人工智能驱动的多模态应用，它将文本、语音和视频分析与内感家庭系统（IFS）疗法原理相结合，以准确识别用户的情绪状态和内在心理部分，通过在多种模态上实现高性能，从而实现更丰富、具身化的心理健康交互。
本文提出了一种将基于形状特征（shapelet）的时间序列分析与多维数据结构及范围约束相结合的方法论，旨在精确识别驱动社交媒体上仇恨言论传播的时间窗口和用户连接模式，从而实现更有效的事件检测与缓解。
本研究利用多模态可穿戴数据和机器学习，证明了英语学习者与英语母语者在数字化评估期间存在显著的压力差异，实现了高检测准确率并识别出关键预测特征，旨在为设计更具支持性、以人为本的教育技术提供参考。