Gypscie：一个面向 AI 人工智能制品的跨平台管理系统
概率论
2026-04-14 v1 统计理论
其他统计学
统计理论
摘要
人工智能（AI）模型，包括传统机器学习（ML）和更先进的方法如深度学习和大型语言模型（LLM），在现代应用中占据核心地位。AI 模型生命周期管理涉及从数据收集和准备到模型构建、评估、部署和持续监控的端到端过程。该过程本质上复杂，需协调管理 AI 制品（如数据集、数据流和模型）的各种服务，以实现无缝运行。在此背景下，必须隔离应用程序与与异构服务、数据集和 AI 平台的交互复杂度。本文介绍 Gypscie，一个面向 AI 人工智能制品的跨平台管理系统。通过提供所有 AI 制品的统一视图，Gypscie 平台简化了 AI 应用程序的开发和部署。这种统一视图通过捕获应用语义的知识图谱和支持对数据和模型进行推理的基于规则查询语言实现。模型生命周期活动表示为可在服务器、云平台或超级计算机上调度的高级数据流。最后，Gypscie 记录其产生的制品的源信息，从而实现可解释性。我们与代表性 AI 系统进行的定性比较表明，Gypscie 在 AI 制品生命周期中支持更广泛的功能。我们的实验评估表明，Gypscie 能够成功地从抽象规范优化和调度 AI 平台上的数据流。
引用
@article{arxiv.2604.10310,
title = {Weak convergence from projected laws on a positive-measure set of directions},
author = {Alejandro Cholaquidis and Manuel Hernandez Banadik},
journal= {arXiv preprint arXiv:2604.10310},
year = {2026}
}