最新 最热

GLoRE:大型语言模型的逻辑推理能力探究

最新研究揭示,尽管大语言模型LLMs在语言理解上表现出色,但在逻辑推理方面仍有待提高。为此,研究者们推出了GLoRE,一个全新的逻辑推理评估基准,包含12个数据集,覆盖三大任务类型。...

2023-11-01
1

浙大做了一个可用于AI领域的学术会议问答LLMs

今天介绍一篇来自于浙江大学的一项研究,关于基于LLM进行人工智能领域内7个不同学术会议QA数据集的论文。

2023-11-01
1

每日学术速递11.1

1.CodeFusion: A Pre-trained Diffusion Model for Code Generation(EMNLP 2023)

2023-11-01
1

每日学术速递10.29

1.SD4Match: Learning to Prompt Stable Diffusion Model for Semantic Matching

2023-11-01
1

TSA方法:基于线程时间分布分析性能瓶颈

在分析性能问题时,我们有两种简单而又行之有效的分析方法。第一种是基于资源视角的USE方法,通过一系列的检查清单来帮助发现瓶颈和错误;第二种方法就是本文要介绍的基于线程视角的TSA方法。和USE方法一样,TSA方法提供了分...

2023-11-01
1

USE方法:系统性能分析第一步

当你登陆到一台可能有性能问题的服务器上,你会/应该做什么?又该如何去进行初步的性能分析?

2023-11-01
1

四种火焰图,快速定位Off-CPU性能问题

On-CPU性能问题可以借助On-CPU火焰图解决,但是无法了解进程和线程不在CPU上运行所花费的时间。如果有很多的时间花在同步请求上,也会很容易影响性能表现。...

2023-11-01
1

Off-CPU分析:窥见冰山下的性能瓶颈

遇到CPU性能问题时,我们常常通过perf来了解CPU上到底在执行什么,以及通过On-CPU火焰图来帮助我们寻找性能瓶颈。但是,这种方式并不能让我们知道不在CPU上运行的进程和线程到底在做什么。在一些场景中,我们会发现CPU的使用...

2023-11-01
1

Top-Down性能分析方法(原理篇):揭秘代码运行瓶颈

写完代码调试的时候,如果我们能够了解代码的执行过程往往能帮助我们更好的进行调试;而如果我们的代码性能出现了问题,我们又该如何处理呢?也许我们会想知道执行机上到底发生了什么,于是我们尝试通过perf、ebpf这样的工具来...

2023-11-01
1

一目了然-火焰图初探

大家好,我是程栩,一个专注于性能的大厂程序员,分享包括但不限于计算机体系结构、性能优化、云原生的知识。

2023-11-01
1