Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Efficient Scheduling for Machine Learning Training and Inference via the Gittins Index
Proyek riset & pengembangan

CAREER: Efficient Scheduling for Machine Learning Training and Inference via the Gittins Index

Ringkasan tujuan riset

Indeks Gittins diadaptasi untuk memilih eksperimen pelatihan model dan menjadwalkan inferensi AI, dengan sasaran efisiensi pencarian serta pengurangan tail latency antrean.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2544452Periode tercatat 2026-04-15 sampai 2031-03-31.NSF 2544452MulaiAkhir tercatat202620322026-04-152031-03-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Fungsi akuisisi Bayesian optimization berbasis Gittins akan menilai prioritas eksperimen dalam ruang model yang kompleks. Pada inferensi, indeks digunakan menyusun urutan tugas berdasarkan informasi yang tersedia agar waktu tunggu ujung distribusi berkurang. Penelitian mencakup deskripsi teoritis, bukti optimal atau mendekati optimal di bawah asumsi tertentu, implementasi terbuka, dan studi pilot. Kerangka menghubungkan eksplorasi pelatihan dengan penjadwalan layanan melalui satu alat prioritas numerik yang dapat dianalisis.

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Cornell University
Program
Comm & Information Foundations
Periode pendanaan tercatat
2026-04-15 → 2031-03-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.