Rapports sur l'IA · MIT CSAIL · 2026-11-19 · Blog / commentaire
Pour adapter un modèle d'IA à un petit appareil, gardez ses notes d'entraînement concises | MIT CSAIL
Titre original: To adapt an AI model to a small device, keep its training notes concise | MIT CSAIL

Des chercheurs du MIT CSAIL et de l'Université Harvard ont développé la méthode LARS (Low-memory Activation Rank Subspace), qui condense les données d'activation intermédiaires pendant l'entraînement au lieu de stocker chaque calcul. Par rapport aux meilleures techniques PEFT, la méthode réduirait l'empreinte mémoire de plus de 23 % sur les GPU et d'environ 47 % sur les CPU. Elle vise l'entraînement sur appareil, sur des dispositifs à puissance de calcul limitée tels que les smartphones et les objets connectés de santé.