Děkujeme, že jste sdíleli naši nejnovější práci @_akhaliq ! Klasické algoritmy jako K-Means si zaslouží být znovu prozkoumány v éře obrovských datových sad a GPU. Flash-KMeans přehodnocuje algoritmus z pohledu systémů, aby byly přesné K-Means rychlé a paměťově efektivní na moderním hardwaru.

K-means je jednoduchý. Dělat to rychlé na GPU není. Proto jsme vytvořili Flash-KMeans — IO-uvědomělou implementaci přesných k-průměrů, která přehodnocuje algoritmus kolem moderních GPU úzkých míst. Přímým útokem na úzká místa paměti dosahuje Flash-KMeans 30násobného zrychlení oproti cuML a 200násobného zrychlení oproti FAISS — se stejným algoritmem, jen navrženým pro dnešní hardware. V milionovém měřítku mohou Flash-KMeans dokončit iteraci k-středů během milisekund. Klasický algoritmus — přepracovaný pro moderní GPU. Článek: Kód:

🚀 Představujeme Sparse VideoGen2 (SVG2) – Pareto-frontier akcelerace generování videa se sémantickou řídkou pozorností! 🏆Spotlight článek přijatý společností #NeurIPS2025 ✅ Bez školení a plug-and-play ✅ Až o 2,5 × rychlejší na HunyuanVideo, 1,9× rychlejší na Wan 2.1 ✅ Zachována kvalita SOTA (žádné artefakty, žádné blikání, žádné zkreslení) 📚Papír: 💻Kód: 🌐Internetová stránka: ⚡Pozor jádro: Společná práce: @randwalk0 @ylzhao_dreamer @lmxyy1999 Jintao Zhang @hancai_hm @syn7xavier @xiuyu_l @Chenfeng_X @ZiqiPeng @jianfei_chen @songhan_mit @KurtKeutzer @istoica05 Viz podrobnosti níže ⬇️ (1/6) @NeurIPSConf #NeurIPS #VideoGeneration #GenerativeAI #MachineLearning #EfficientAI #OpenSource