
aimeetup
Constrained Autonomy: AI Models, Memory, and Retrieval at the Edge
本次活动探讨将 AI 部署到受限物理系统和边缘设备的工程挑战,重点关注 AI 模型、内存和检索。内容涵盖本地大型语言模型推理的经济效益、代理内存设计,以及用于离线自主性的嵌入式向量搜索,目标受众为机器人、应用机器学习和嵌入式系统领域的工程师。
Constrained Autonomy: AI Models, Memory, and Retrieval at the Edge
本次活动探讨将 AI 部署到受限物理系统和边缘设备的工程挑战,重点关注 AI 模型、内存和检索。内容涵盖本地大型语言模型推理的经济效益、代理内存设计,以及用于离线自主性的嵌入式向量搜索,目标受众为机器人、应用机器学习和嵌入式系统领域的工程师。
关于活动
本次会议旨在解决在边缘设备和受限物理系统上实施 AI 的工程难题。它将探讨本地大型语言模型推理的经济效益、用于持续状态管理的代理内存系统的创建,以及用于离线自主性的嵌入式向量搜索的应用。本次活动专为机器人、应用机器学习和嵌入式系统领域的工程师而设。与会者可以期待关于构建无需依赖云端基础设施即可运作的强大代理行为的讨论。
刊登于 Luma. 前往 Luma 查看详情及报名
摘要由 AI 生成,内容可能并非完全准确。
主题
#人工智能#边缘人工智能#大型语言模型#机器人学#嵌入式系统#机器学习#向量搜索#物联网#自主性#代理人工智能#auto-scraped#luma
