arXiv 机器学习· Shengjun Kris Dong, Dima Nikiforov, Sahil Modi, Sana Damani, Edward C Lin, Siva Kumar Sastry Hari, Christos Kozyrakis·· 20 小时前AI 评分40
ModelBlaster：通过学习增强智能体跨模型、算子与硬件后端弥合性能差距
ModelBlaster: Closing the Performance Gap through Learning-Augmented Agents Across Models, Kernels and Hardware Backends
AI 导读
ModelBlaster 提出内存增强上下文强化学习（MAIC-RL）框架，通过推理时更新知识库实现跨算子、模型与异构硬件的优化及经验复用。
来源：arXiv 机器学习 · arxiv.org