כתבה
arXiv cs.AI ·
CIDERS: שיתוף פעולה בין ענן לקצה באמצעות LLM
CIDERS: Cloud-Edge LLM Collaborative Learning via Accelerating Personalized Bilevel Optimization
CIDERS הוא מסגרת לשיתוף פעולה בין ענן לקצה באמצעות LLM. היא מאפשרת איזון בין הסכמה גלובלית לאישוניות מקומית, ומשפרת את ביצועי המודלים. CIDERS משתמשת באופטימיזציה ברמה כפולה ובתיקון קונסנסוס-וריאנטי.
תקציר מקורי באנגליתarXiv:2609.15664v1 Announce Type: cross Abstract: Amid the rapid advancement of physical-world intelligence, cloud-edge collaborative large language models (LLMs) have emerged as a promising roadmap for practical LLM deployment. However, existing cloud-edge paradigms struggle to balance global consensus with local personalization, which fails to satisfy the need for a unified knowledge foundation on the cloud and domain-specific adaptation at the edge. To address this, we introduce, for the first time, a personalized bilevel optimization framework that formalizes cloud-edge LLM collaboration as a dual structure: the upper level optimizes edge-side personalization, while the lower level governs cloud-side knowledge transfer, reaching cloud-edge evolving in coordination. We then propose CIDE
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית