Intelligence SynthesisJAEN

KI-Berichte · MIT CSAIL · 2026-11-19 · Blog / Kommentar

Um ein KI-Modell an ein kleines Gerät anzupassen, sollten die Trainingsnotizen knapp gehalten werden | MIT CSAIL

Originaltitel: To adapt an AI model to a small device, keep its training notes concise | MIT CSAIL

Forscher des MIT CSAIL und der Harvard University haben die Methode Low-memory Activation Rank Subspace (LARS) entwickelt, die Zwischenaktivierungsdaten während des Trainings verdichtet, anstatt jede Berechnung zu speichern. Im Vergleich zu führenden PEFT-Techniken verringert die Methode Berichten zufolge den Speicherbedarf um über 23 % auf GPUs und um etwa 47 % auf CPUs. Sie zielt auf das Training direkt auf dem Gerät bei Geräten mit begrenzter Rechenleistung wie Smartphones und Gesundheits-Wearables ab.

Original lesen ↗

Alle KI-Berichte →