Danke, dass du unsere neueste Arbeit geteilt hast @_akhaliq ! Klassische Algorithmen wie K-Means verdienen es, in der Ära massiver Datensätze und GPUs neu betrachtet zu werden. Flash-KMeans überdenkt den Algorithmus aus einer Systemperspektive, um genaues K-Means schnell und speichereffizient auf moderner Hardware zu machen.

𝗞-𝗺𝗲𝗮𝗻𝘀 𝗶𝘀 𝘀𝗶𝗺𝗽𝗹𝗲. 𝗠𝗮𝗸𝗶𝗻𝗴 𝗶𝘁 𝗳𝗮𝘀𝘁 𝗼𝗻 𝗚𝗣𝗨𝘀 𝗶𝘀𝗻’𝘁. Deshalb haben wir Flash-KMeans entwickelt — eine IO-bewusste Implementierung des genauen k-means, die den Algorithmus um moderne GPU-Engpässe neu denkt. Durch die direkte Bekämpfung der Speicherengpässe erreicht Flash-KMeans eine 30-fache Beschleunigung gegenüber cuML und eine 200-fache Beschleunigung gegenüber FAISS — mit demselben genauen Algorithmus, nur für die heutige Hardware optimiert. Im Millionenmaßstab kann Flash-KMeans eine k-means-Iteration in Millisekunden abschließen. Ein klassischer Algorithmus — neu gestaltet für moderne GPUs. Paper: Code:

🚀 Einführung von Sparse VideoGen2 (SVG2) – Beschleunigung der Videoerzeugung an der Pareto-Front mit semantisch bewusster sparsamer Aufmerksamkeit! 🏆 Spotlight-Papier von #NeurIPS2025 akzeptiert ✅ Trainingsfrei & Plug-and-Play ✅ Bis zu 2,5× schneller bei HunyuanVideo, 1,9× schneller bei Wan 2.1 ✅ SOTA-Qualität erhalten (keine Artefakte, kein Flackern, keine Verzerrung) 📚Papier: 💻Code: 🌐Website: ⚡Aufmerksamkeitskern: Gemeinsame Arbeit mit: @randwalk0 @ylzhao_dreamer @lmxyy1999 Jintao Zhang @hancai_hm @syn7xavier @xiuyu_l @Chenfeng_X @ZiqiPeng @jianfei_chen @songhan_mit @KurtKeutzer @istoica05 Siehe Details unten ⬇️ (1/6) @NeurIPSConf #NeurIPS #VideoGeneration #GenerativeAI #MachineLearning #EfficientAI #OpenSource