CIDERS: Aprendizaje colaborativo de LLM Cloud-Edge mediante optimización bilevel acelerada

Resumen del corpus

Se presenta un marco de optimización bilevel personalizado para la colaboración de modelos de lenguaje grandes (LLM) cloud-edge, abordando el desafío de equilibrar la personalización local con el consenso global. Se propone el solucionador CIDERS, que demuestra mejoras significativas en razonamiento matemático y generación de código en comparación con las soluciones existentes. El trabajo sugiere que CIDERS ofrece un camino viable hacia la personalización continua guiada por consenso en sistemas LLM cloud-edge.

Periodista: Victor H. Chen, Hairui Yu, Stella K. Chung, Hong Yan

Personas mencionadas
Noticia original

Ver todas las noticias de arXiv Computer Science AI