موقعیت مقطع دکتری در بهینهسازی معماری عصبی برای مدلهای زبانی کوچک
توسعه روشهای بهینهسازی معماری عصبی پس از آموزش برای مدلهای زبانی کوچک کارآمد در سیستمهای توبیهشده.
مناسب برای:مناسب برای پژوهشگرانی با پیشینه در یادگیری ماشین، فشردهسازی مدل و معماری کامپیوتر که به دنبال مقطع دکتری در حوزه هوش مصنوعی هستند.
مرور کلی
این موقعیت دکتری در دانشگاه پاریس-ساکله، که در آزمایشگاه CEA میزبانی میشود، بر حل مشکل مصرف بالای منابع در مدلهای هوش مصنوعی مولد از طریق بهینهسازی مدلهای زبانی کوچک (SLM) برای سیستمهای توبیهشده خودمختار تمرکز دارد. این پژوهش شامل طراحی تکنیکهای بهینهسازی معماری عصبی پس از آموزش برای جایگزینی لایههای سنگین ترانسفورمر با گزینههای سبکوزن تحت محدودیتهای سختافزاری است. کاندیدای موفق معیارهای عملکردی را برای گزینههای مختلف لایه پیشنهاد خواهد کرد و متدولوژی جامعی را برای هدایت فشردهسازی مدلهای زبانی کوچک توسعه خواهد داد. نتایج این پروژه از طریق کنفرانسهای برتر هوش مصنوعی منتشر شده و در ابزارهای کاربردی توسعهیافته در CEA ادغام خواهند شد.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندیها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.