LEARNING
加速悖论：重新思考具身任务中的推理速度与质量权衡
Yujin Wang, Junli Chen, Yixuan Li, Shunan Dong, Huazhong Yang, Yongpan Liu, Hongyang Jia
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出TISED分析框架，统一了多种有损推理优化技术，并分解其对静态和动态任务的影响。研究发现，在具身任务中，降低每步延迟有时反而会延长任务完成时间，揭示了推理加速与任务性能之间的悖论关系。
关键词
embodied foundation modelsinference speeduptask-level performanceclosed-loop effectsefficient inference
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018