Краткое содержание

arXiv:2510.15655v2 Тип объявления: замена Аннотация: Быстрое и эффективное машинное обучение вызывает растущий интерес в научном сообществе и стимулирует значительные исследования новых архитектур моделей и аппаратно-зависимого проектирования. Недавние подходы к совместному проектированию аппаратного и программного обеспечения продемонстрировали впечатляющие результаты с полностью свободными от умножения моделями. Например, дифференцируемые логические вентильные сети (DLGN) предоставляют градиентный подход для обучения оптимальным комбинациям низкокачественных логических элементов, устанавливая передовые компромиссы между точностью, использованием ресурсов и задержкой. Однако эти модели страдают от высокой вычислительной стоимости во время обучения и плохо обобщаются на логические блоки с большим количеством входов. В данной работе мы представляем метод Уолша-Ассистированной Релаксации для Вероятностных Таблиц Поиска (WARP-LUTs) — новый градиентный метод, который эффективно обучает комбинации логических элементов при значительно меньшем количестве настраиваемых параметров. Мы демонстрируем, что WARP-LUTs достигают...