跳到主要内容
检索

# RLRT端侧强化学习运行时

1 篇关联报道

订阅更新
  1. arXiv

    RLRT把演员与学习器的耦合变成可调刷新上限:两块Jetson上大网络错过截止时间压到1%以下

    南洋理工大学的团队提出片上强化学习运行时RLRT,把演员何时接收学习器新权重这一耦合关系变成可调的刷新上限,并在平台实时调度器之上用GPU许可与松弛感知准入协调演员、学习器和第三方负载。在Orin AGX与Orin Nano上按真实刷新代价运行,M参数规模的演员策略截止时间错过率保持在1%以下,而不带该运行时的演员错过率在11.8%到99.9%之间,代价是学习器吞吐下降。

已读完全部报道