热点事件观察中
研究团队提出面向大规模聚类的GPU优化方法GEM-KMeans
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月30日，arXiv公开的研究成果显示，研究团队提出了一种面向大规模聚类的GPU优化方法GEM-KMeans。该方法旨在提升计算效率并保障聚类效果，主要通过将梯度更新、非负投影以及归一化等操作融合至矩阵乘法epilogue阶段中进行处理，从而在GPU上实现了高显存效率与高精度的聚类表现。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
研究团队提出GEM-KMeans，通过将算子融合至矩阵乘法epilogue提升GPU聚类效率与精度。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 机器学习GEM-KMeans：面向大规模聚类的高显存效率与高精度 GPU 优化方法
研究人员提出面向大规模聚类的 GPU 优化方法 GEM-KMeans，通过将梯度更新、非负投影和归一化等操作融合至矩阵乘法 epilogue 中，实现高显存效率与精准聚类。
本事件热度走势
当前热度 5·可比范围峰值 5（10月1日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。