这项由浙江大学计算机学院周晓巍教授领导的研究团队完成的工作，发表于2025年7月，论文编号为arXiv:2507.13344v1。团队成员包括金雨东、彭思达、王轩等多位研究者，其中部分成员来自蚂蚁集团。有兴趣深入了解技术细节的读者可以通过论文编号在a ...

突破局限：非均匀稀疏扫描角选择法助力叠层电池工业 CT 检测 《Displays》：Non-uniform sparse scanning angle selection method for limited angle industrial CT detection of laminated cells 【字体： 大 中 小 】 时间：2025年05月08日 来源：Displays 3.7 ...

具体而言，PLM 团队绘制了稀疏率（0~1）与困惑度差异的关系图，以分析神经激活减少的性能成本。 不同模型的曲线揭示了各自对稀疏度的敏感性。

挑战 1 通用性：Attention 虽然具备稀疏性质，但是其稀疏形状在不同的模型甚至同一模型的不同层中都是不同的，体现出很强的动态性。

清华稀疏Attention，无需训练加速一切模型！ 2025年03月27日 09:18 机器之心Pro 新浪财经APP 缩小字体 放大字体 收藏 微博 微信 分享 ...

稀疏促进动态模态分解（SPDMD）的核心思想是如何找到最具代表性的DMD模态来捕捉系统的基本动力学。 这个问题看似简单，但实际上比人们最初想象 ...

SparseDet使用3D稀疏卷积网络从点云中提取特征，并将其转换为2D稀疏特征，以便通过检测n头进行进一步预测。 如图2（c）所示，SparseDet将稀疏查询设计为目标代理，允许灵活和选择性地聚合点云以获得场景中的目标代理。

作者：量子位 编者按：激活稀疏性是解决大语言模型（LLMs）在推理阶段出现的计算成本高、内存占用大等问题的有效方法，可以有效减少激活张量中激活元素的数量。然而该方法无法实现 LLMs 激活的完全稀疏性，从而限制了推理阶段的效率提升。 对此，微软亚洲研究院提出 Q-Sparse 实现了 LLMs 激活 ...

探索稀疏自动编码器在机器学习中的强大功能。我们的深入文章探讨了这些神经网络如何压缩和重建数据、提取有意义的特征以及增强 GPT-4 和 Claude 3 等大型模型的可解释性。了解它们在降维、异常检测和 AI 安全方面的应用。

最大功耗90W，INT8稀疏计算性能达到708TFLOPS。 智东西4月11日报道，美国AI三巨头不仅在大模型赛道争奇斗艳，还纷纷卷起自研AI芯片。昨天“AI界汪峰 ...

大语言模型之大，成本之高，让模型的稀疏化变得至关重要。众所周知，对于大语言模型来说，规模越大，所需的算力越大，自然占用的资源也就越多。研究人员于是乎把目光转到了这片领域，即模型的稀疏化（Sparsification ...