速報
可計算公平分配(CFD)與 AHC++:抑制多代理系統的資源壟斷
大型人工智慧系統面臨有限GPU與頻寬分配問題。研究提出可計算公平分配(CFD),把Boltzmann-Softmax當成機率性資源分配機制,並將逆溫參數β作為可控變數以調節效率與公平。動態上以AHC++依據主導性偏差實時調整β;模擬顯示在外部衝擊下可抑制極端壟斷,代理數增100倍時執行時間增5.5倍。
速報
大型人工智慧系統面臨有限GPU與頻寬分配問題。研究提出可計算公平分配(CFD),把Boltzmann-Softmax當成機率性資源分配機制,並將逆溫參數β作為可控變數以調節效率與公平。動態上以AHC++依據主導性偏差實時調整β;模擬顯示在外部衝擊下可抑制極端壟斷,代理數增100倍時執行時間增5.5倍。
速報
代理式系統面臨預算與時限約束。提出蒙地卡羅組合規劃(MCPP),用模擬執行並在觀察後重規劃,估計並最大化受限下的工作流程完成機率。規劃涵蓋子任務的模型指派與平行採樣,同時管理剩餘預算與時間,以提升整體完成機率。在多種預算與時限條件下表現更佳。
深度分析
在量子計算威脅與行動裝置運算壓力下,本文提出一套輕量量子感知代理AI,將PQC模組的恆定功耗直接納入NOMA多用戶ICE的多階段MINLP建模,透過Lyapunov分解化為逐時子問題,並提出線性複雜度的反向貪婪功率分配法,兼顧排隊穩定與能耗約束,有效提升實時決策與系統吞吐。