公开(公告)号：CN119849656A

公开(公告)日：2025-04-18

申请号：CN202411362543.8

申请日：2024-09-27

Applicant: 华为云计算技术有限公司

Inventor： 邢林子 ,  王兴路 ,  范喆楠 ,  封雨希 ,  熊璟 ,  郭志江 ,  付小津 ,  瑞德拉尼瑞娜·拉马蒙吉森 ,  马赫迪·莫斯塔贾布达维赫 ,  韩雄威 ,  周子锐 ,  张勇

IPC: G06N20/00 ,  G06N3/092 ,  G06F40/20

Abstract: 本发明提供了一种对大型语言模型(large language model，LLM)生成线性规划应用题(linear programming word problem，LPWP)的准确假设模型(hypothesis model，HM)的能力进行评估的方法。该HM的属性二分图被变换为该LPWP的地面真值模型的属性二分图。变换所需的变换步骤的数量有效地衡量该LLM生成准确HM的能力。使用属性二分图为LPWP变量和约束提供了顺序不变性。本发明还提供了对应的装置和系统。

公开(公告)号：CN118541704A

公开(公告)日：2024-08-23

申请号：CN202380016962.3

申请日：2023-01-10

Applicant: 华为云计算技术有限公司

Inventor： 瑞德拉尼瑞娜·拉马蒙吉森 ,  阿明·巴尼塔莱比·德科迪 ,  维什努·戈库尔·伦根 ,  周子锐 ,  张勇

IPC: G06N7/08

Abstract: 本发明提供了一种计算机实现方法和系统，用于生成优化问题的自然语言文本描述的代数建模语言(algebraic modelling language，AML)公式。所述计算机实现方法包括：基于所述自然语言文本描述来生成所述优化问题的文本标记语言中间表示(intermediate representation，IR)，所述文本标记语言IR包括IR目标声明和第一IR约束声明，所述IR目标声明用于定义所述优化问题的目标，所述第一IR约束声明用于指示所述优化问题的第一约束。实现的计算机还包括：基于所述文本标记语言IR来生成所述优化问题的所述AML公式，所述AML公式包括AML目标声明和第一AML约束声明，所述AML目标声明用于定义所述优化问题的所述目标，所述第一AML约束声明用于指示所述优化问题的所述第一约束。这可以提高生成优化问题的AML格式的准确性。

公开(公告)号：CN119856187A

公开(公告)日：2025-04-18

申请号：CN202280098976.X

申请日：2022-08-11

Applicant: 华为云计算技术有限公司

Inventor： 范喆楠 ,  周子锐 ,  胡佳杰 ,  李城梁 ,  张勇

IPC: G06N20/00

Abstract: 描述了联合学习的方法和系统。联合学习系统中的客户端从中央服务器接收一组全局参数。所述客户端使用所述一组全局参数更新本地模型，所述本地模型为应用所述一组全局参数的全局模型和至少一个本地预测器的组合。所述客户端使用更新后的本地模型和本地数据集计算模型更新，并将所述模型更新传输到所述中央服务器。

公开(公告)号：CN117999562A

公开(公告)日：2024-05-07

申请号：CN202280060951.0

申请日：2022-09-07

Applicant: 华为云计算技术有限公司

Inventor： 范喆楠 ,  方黄 ,  周子锐 ,  张勇

IPC: G06N3/098 ,  G06N3/0464 ,  G06N3/045

Abstract: 本文描述了用于量化联邦学习中的客户端贡献的方法和系统。使用多个客户端进行多轮训练。在每轮训练中，从选择的客户端接收更新，使用所述接收到的更新计算每轮训练的一个或多个效用函数值，并将所述计算出的效用函数值存储在效用矩阵中。在所述多轮训练之后，通过计算补全的效用矩阵来补全所述效用矩阵的缺失元素。使用所述补全的效用矩阵计算每个客户端的贡献分数。

公开(公告)号：CN117396850A

公开(公告)日：2024-01-12

申请号：CN202180098671.4

申请日：2021-05-28

Applicant: 华为云计算技术有限公司

Inventor： 胡亮 ,  朱疆成 ,  周子锐 ,  成睿青 ,  张勇

IPC: G06F9/50

Abstract: 描述了用于为深度学习作业弹性分配资源的系统、方法和处理器可读介质。云计算系统的机器学习即服务(machine‑learning‑as‑a‑service，MLaaS)包括弹性训练模块，所述弹性训练模块包括用于将资源分配给训练作业的资源分配器，所述资源分配器优化所述系统接收的所有训练作业的总体估计完成时间(estimated time to completion，ETC)并使用基于节点的资源分配。所述弹性训练模块可以实现相对于现有方法的高资源利用率、短训练时间和低排队延迟的组合，从而潜在地可以针对向用户(即，客户)提供MLaaS的云计算系统实现更高利润。描述了一种改进的用户界面，使用户能够指定要弹性分配给所述用户的训练作业的资源范围，和/或通知所述用户通过使用弹性资源分配节省的训练时间。