AI要約 本論文はマルチモーダル基盤モデルの推論・学習を高速化するためのハードウェアおよびソフトウェア技術を扱うフォーカスセッションの概要を示す。効率化手法やアクセラレータ設計を整理し、今後の研究方向を議論する。
EN This focus session paper surveys hardware and software techniques for accelerating multimodal foundation models, covering efficient inference and training methods, accelerator design, and future research directions.
og AI要約 グラフ基盤モデルにおいて、事前学習と推論の不整合を解消するためメタ学習を活用した手法Mochiを提案。タスク適応性を高めつつ計算効率を改善し、複数ベンチマークで既存手法を上回る性能を示した。
EN Mochi proposes a meta-learning approach to align pre-training and inference for graph foundation models, improving task adaptability and computational efficiency while outperforming existing methods on multiple benchmarks.
og AI要約 グラフ基盤モデルにおいて、事前学習と推論の不整合を解消するためメタ学習を活用した手法Mochiを提案。タスク適応性を高めつつ計算効率を改善し、複数ベンチマークで既存手法を上回る性能を示した。
EN Mochi proposes a meta-learning approach to align pre-training and inference for graph foundation models, improving task adaptability and computational efficiency while outperforming existing methods on multiple benchmarks.
og