09:13官方一手arXiv: DeepSeek@Linhui Xiao, Guiping Cao, Mingyue Guo, Xianchao Guan, Fan Yang, Ming Tao, Xin Li, Yuxin Peng, Yaowei Wang该综述系统梳理了大型模型绿色发展的研究进展,涵盖注意力算子优化、线性复杂度架构、模型稀疏化与合并等效率型模型设计方法,以及数据高效学习、参数高效微调、计算压缩等训练与部署策略。在硬件层面,总结了主流AI芯片、内存优化、跨平台部署与可持续基础设施。还探讨了大型模型在DeepSeek、遥感解译、国家级基础设施等可持续关键领域的应用,并指出持续学习范式、以内存为中心的硬件和标准化评估协议等未来挑战。论文DeepSeek模型压缩绿色AI推荐理由:想了解怎么让大模型更省资源、更环保?这篇综述从算法优化到硬件设计都讲透了,还提到了DeepSeek等应用案例。原文稍后读已读值得跟进有用关注 DeepSeek
10:50官方账号arXiv cs.LG@Vasilios A. Siris, Adamantia Stamou, George D. Stamoulis, Konstantinos Varsos, Ramin Khalili精选AI 服务的广泛使用引发了环境可持续性担忧,其中 AI 推理的碳排放是主要贡献者。本文提出一个框架,基于用户对推理质量和延迟的估值以及环保意识,设计激励措施,同时权衡碳排放与这两个 QoE 参数。该框架可适应不同 AI 模型规模和资源分配下的权衡。激励通过实用的两级服务订阅实现,用户以折扣换取碳排放减少。在碳强度高时,折扣服务允许 AI 提供商以较低质量和较高延迟服务部分推理请求。论文AI推理碳排放用户激励推荐理由:这篇论文为 AI 服务提供商提供了一个实用方案,通过用户激励平衡碳排放与服务质量,关注绿色 AI 的团队可以直接参考其两级订阅设计。原文稍后读已读值得跟进有用关注 AI推理