提出一种轻量级边缘端推理方法,结合LoRA适配器与监督微调,并引入预算约束的强化学习以缩短响应长度、动态适配器切换机制及KV缓存共享策略,显著降低内存与延迟开销,在Qwen2.5-7B上实现资源受限下的高效准确推理。
机构:Qualcomm
来源:arXiv 2603.16867 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程