守望者 | 20060913 | 《极品男与铜须门》
要点：谁曾迎面走来， 谁已离你而去， 谁人留恋冬天， 谁把春天拥抱， 谁在守望田野， 谁正穿越街道， 谁倾听， 谁诉说。 节目名称：中央人民广播电台/中国之声/神州夜航/夜空守望者 主持人：林白（林中白狼） 音频汇总： https://pan.baidu.com/s/1RwqbXf-_aZgYl_DL0yUGBg?pwd=g8nb 内容中包含的图片若涉及版权问题，请及时与我们联系删除
要点：谁曾迎面走来， 谁已离你而去， 谁人留恋冬天， 谁把春天拥抱， 谁在守望田野， 谁正穿越街道， 谁倾听， 谁诉说。 节目名称：中央人民广播电台/中国之声/神州夜航/夜空守望者 主持人：林白（林中白狼） 音频汇总： https://pan.baidu.com/s/1RwqbXf-_aZgYl_DL0yUGBg?pwd=g8nb 内容中包含的图片若涉及版权问题，请及时与我们联系删除
要点：张量处理是许多现代技术进步的基石，为数据分析和人工智能等关键应用提供动力。虽然光计算在带宽、并行性和能效方面具有显著优势，但现有针对标量运算优化的方法难以高效处理基于张量的任务，限制了它们在神经网络等复杂应用中的适用性。本文提出了一种并行光矩阵乘法（POMMM）方法，该方法通过单次相干光传播即可实现完全并行的张量处理。该方法克服了现有光方法的关键局限性，能够随数据维度扩展性能，同时提升理论计算能力和效率。我们证明了该方法在实值域和复值域中均与基于GPU的矩阵乘法高度一致。此外，我们还展示了其在卷积神经网络和视觉变换神经网络等张量处理应用中的适应性、可扩展性和通用性。最后，我们分析了POMMM与现有光计算范式的理论兼容性和效率，强调了
要点：大型语言模型（LLM）的快速发展重新定义了生成式人工智能。然而，现代系统仍然受到三大挑战的制约：巨大的计算成本、不透明的评估机制以及有限的个性化能力。本论文旨在通过一个统一的目标——使生成式人工智能既高效又个性化——来应对这些挑战，并推进能够提高计算效率、可解释性和人机一致性的方法。 论文的第一部分介绍了能够释放神经网络潜在能力的架构技术。数据复用（DataMUX）使模型能够同时处理多个输入，从而在不牺牲准确性的前提下提高推理吞吐量。基于此，MUX-PLM 将复用扩展到预训练语言模型，并在标准自然语言处理（NLP）基准测试中展示了可扩展的多输入多输出（MIMO）推理能力。 论文的第二部分从计算转向理解。QualEval 引入了一个定