paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
HH

Hanxian Huang

ACL 2026ICML 2026强化学习与后训练效率与系统长上下文与架构可解释性
新星分新星
61
一作贡献30
核心/参与5
方向广度11
合作网络6
1 一作 · 2 篇 · ACL 2026 / ICML 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
一作ACL 2026Poster· ACL Industry Track

M obile LLM -Flash: Latency-Guided On-Device LLM Design for Industry Scale Deployment

Hanxian Huang · Igor Fedorov · Andrey Gromov · Bernard Beckerman · Naveen Suda · David Eriksson · Maximilian Balandat · Rylan Conway · Patrick Huber · Chinnadhurai Sankar · Ayushi Dalmia · Zechun Liu · Lemeng Wu · Tarek Elgamal · Adithya Sagar · Vikas Chandra · Raghuraman Krishnamoorthi

摘要

Real-time AI experiences call for on-device large language models (OD-LLMs) optimized for efficient deployment on resource-constrained hardware. The most useful OD-LLMs produce near-real-time responses and exhibit broad hardware compatibility, maximizing user reach. We present a methodology for d...

效率与系统长上下文与架构可解释性OpenReview 项目页

常见合作者