登录
欢迎莅临 IEEE HotICN 中文社区，IEEE HotICN 国际学术会议网站： https://hoticn.com, https://hoticn.cn。

 分类：人工智能

PhyDNNs: Bringing Deep Neural Networks to the Physical Layer

PhyDNNs: Bringing Deep Neural Networks to the Physical Layer
打破传统边界，让 AI 更快更省能——PhyDNNs 正在重塑通信与智能终端未来！ 在智能设备与实时交互应用高速发展的今天，从增强现实 (AR) 到虚拟现实 (VR)，从智能驾驶到无人机，都对实时计算提出了前所未有的要求。然而，深度神经网络（DNN）传统的...

前康 4周前 (12-11)

A Survey on Self-Play Methods in Reinforcement Learning

A Survey on Self-Play Methods in Reinforcement Learning
论文要点 论文提出了一个统一框架来刻画 self-play（智能体与自身或自身历史版本交互以改进策略）的各种方法，按策略更新机制、对手选择与人口管理、博弈类型（零和/非零和、可转性/非可转性）等维度进行分类，并回顾了代表性算法、应用场景与理论/实践挑战，同时列出了未来研究...

hcl 1个月前 (12-05)

m3: Accurate Flow-Level Performance Estimationusing Machine Learning

m3: Accurate Flow-Level Performance Estimationusing Machine Learning
当网络仿真不再“慢 + 重” —— m3 带来突破 在现代数据中心或云服务架构中，网络性能 — 尤其是流 (flow) 完成时间 (Flow Completion Time, FCT) 和尾部时延 (tail latency) — 是决定用户体验和资源效率的关键指标。过去...

前康 1个月前 (12-04)

Efficient Transformers: A Survey

Efficient Transformers: A Survey
会议：ICML 2025 论文概述 随着Transformer架构在自然语言处理、计算机视觉等领域的广泛应用，其计算和内存开销成为了限制其进一步应用的瓶颈，尤其是在长文本或大规模数据集的任务中。本文提出了几种新的Transformer变体，通过优化计算路径和改进注意...

hcl 2个月前 (11-21)

NeurIPS唯一满分论文曝光，来自清华上交

NeurIPS唯一满分论文曝光，来自清华上交
四个审稿人全给6分，NeurIPS唯一满分论文炸了！ 之所以说它炸，主要是论文给出的结论实在太出人意料了—— 真正决定推理上限的是基座模型本身而非强化学习，且蒸馏比强化学习更有望实现大模型自我进化。 好家伙，这无异于给正炙手可热的RLVR（可验证奖励的强化学习...

hcl 2个月前 (11-15)