基于低延迟可解释AI模型的可信实时决策支持系统
机器学习
2025-06-26 v1 人工智能
摘要
本文探讨了利用低延迟AI模型构建实时决策支持系统的研究，综合了最新进展的全面AI驱动决策工具、与Edge-IoT技术的集成以及有效的人机协作方法。它考察了大型语言模型如何在资源有限的情况下辅助决策，尤其关注技术发展如DeLLMa、模型压缩方法以及面向边缘设备的分析改进，同时也关注资源受限和需要灵活框架的问题。通过详细综述，本文提供了实用视角，阐述了开发策略和应用领域，为该领域的更高效和灵活的AI支持系统提供了机遇。结论为该快速变化的领域的未来突破铺平了道路，突显了AI如何重塑实时决策支持。
引用
@article{arxiv.2506.20016,
title = {New Insights on Unfolding and Fine-tuning Quantum Federated Learning},
author = {Shanika Iroshi Nanayakkara and Shiva Raj Pokhrel},
journal= {arXiv preprint arXiv:2506.20016},
year = {2025}
}
备注
12 pages, 9 figures, 7 Tables, Submitted to IEEE/ACM journal 2025