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

Yu Ji

OSDI 2026效率与系统强化学习与后训练评测与基准
新星分贡献者
28
一作贡献0
核心/参与9
方向广度6
合作网络3
0 一作 · 1 篇 · OSDI 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

1
作者位次 #3/5OSDI 2026Oral· Operating Systems & Distributed Systems

Achieving Cloud-Grade SLOs for Local Mixture-of-Experts Inference through CPU–GPU Hybrid Design

Wenxin Wang · Yule Hou · Yu Ji · Peng Qu · Youhui Zhang

摘要

Local deployment of large Mixture-of-Experts (MoE) models falls short of the service quality achieved in cloud-scale environments, even under low-concurrency workloads. We identify four key gaps in local MoE inference: reliance on capacity-reduced models (quantized, distilled, rerouted), inabilit...

效率与系统强化学习与后训练评测与基准OpenReview

常见合作者