边缘AI
4 条- 01通过蒸馏学习与硬件协同设计在粒子物理探测器边缘部署工业基础模型
首次将Google TimesFM时序基础模型微调用于粒子物理数据采集系统,实现边缘端实时智能处理
- 02面向边缘设备实时音高估计的低秩频率卷积与噪声范围增强
提出低秩频率卷积网络FrCN,参数减少35.9%且保持跨域鲁棒性,满足边缘端实时低延迟音高估计需求
- 03每瓦特智能:测量本地AI的智能效率
提出衡量边缘设备上AI模型能效的新指标Intelligence per Watt,用于评估本地AI的计算效率与性能权衡。
- 04可边缘部署的视觉语言模型能否识别物种?
评估Qwen3-VL等2–8B级轻量VLM在离线边缘设备上的真实物种识别能力,发现其在96类任务中媲美专业BioCLIP模型。