一种搜索适用于所有情形：Pareto 最优环保模型选择

人工智能(AI)的环境影响正逐渐成为重大全球性关注点，尤其是针对模型训练。本文引入 GREEN(Guided Recommendations of Energy-Efficient Networks)——一种新型、基于推断时序的方法，用于为优化验证性能和能源消耗的 AI 模型配置提供 Pareto 最优建议，涵盖 diverse AI 领域和任务。我们的做法直接针对当前生态效率神经网络架构搜索方法的局限——这些方法常局限于特定架构或任务。本工作的核心是 EcoTaskSet 数据集，包含来自计算机视觉、自然语言处理和推荐系统等多个 AI 领域、基于广泛使用和前沿架构的 1767 多项实验训练动力学。依据该数据集和预测模型，我们的方法在根据用户偏好选择最佳模型配置方面表现出色。实验结果表明，我们的方法能够在确保具备有竞争力的性能的同时，成功识别能源高效的配置。