热点事件持续更新
研究团队提出面向边云协同推理的动态切分网络DS-Net
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月20日，研究人员在arXiv发布面向边云协同推理的动态切分网络DS-Net。该网络支持在单一模型内灵活切换多个切分点，并通过分层补偿机制解决动态切分与高倍压缩带来的特征分布偏移和信息损失问题。评估显示，DS-Net可降低74.6%的内存开销，并实现毫秒级切换延迟；在Nano平台及10 Mbps带宽约束下，其在COCO数据集上的准确率提升1.2%，延迟降低42.5%，吞吐量提升至1.8倍。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
研究人员提出动态切分网络DS-Net，显著降低边云推理延迟与内存开销。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 机器学习DS-Net：面向边云协同推理的动态切分网络
研究人员提出动态切分网络 DS-Net，支持在单一模型内灵活切换多个切分点以优化边云协同推理。该网络通过分层补偿机制解决动态切分与高倍压缩导致的特征分布偏移和信息损失，降低内存开销 74.6% 并实现毫秒级切换延迟。在 Nano 平台与 10 Mbps 带宽约束下，DS-Net 在 COCO 数据集上准确率提升 1.2%，延迟降低 42.5%，吞吐量提升至 1.8×。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。