論文の概要: The Jaseci Programming Paradigm and Runtime Stack: Building Scale-out Production Applications Easy and Fast

• arxiv url: http://arxiv.org/abs/2305.09864v1
• Date: Wed, 17 May 2023 00:34:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 18:02:19.507072
• Title: The Jaseci Programming Paradigm and Runtime Stack: Building Scale-out Production Applications Easy and Fast
• Title（参考訳）: Jaseciプログラミングパラダイムとランタイムスタック: スケールアウトされたプロダクションアプリケーションの構築は簡単かつ高速
• Authors: jason Mars, Yiping Kang, Roland Daynauth, Baichuan Li, Ashish Mahendra, Krisztian Flautner, Lingjia tang
• Abstract要約: 我々は,新しいランタイムシステムJaseciとプログラム言語Jacを開発した。 主要な設計原則は、スケールアウトしたデータ管理、マイクロサービスのコンポーネント化、ライブアップデートの複雑さをランタイムスタックに移行して、自動化と最適化を自動的に行うことです。 実世界のAIアプリケーションを使用して、アプリケーションパフォーマンスと開発者の生産性に対するJaseciのメリットを示しています。
• 参考スコア（独自算出の注目度）: 2.803752331206309
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Today's production scale-out applications include many sub-application components, such as storage backends, logging infrastructure and AI models. These components have drastically different characteristics, are required to work in collaboration, and interface with each other as microservices. This leads to increasingly high complexity in developing, optimizing, configuring, and deploying scale-out applications, raising the barrier to entry for most individuals and small teams. We developed a novel co-designed runtime system, Jaseci, and programming language, Jac, which aims to reduce this complexity. The key design principle throughout Jaseci's design is to raise the level of abstraction by moving as much of the scale-out data management, microservice componentization, and live update complexity into the runtime stack to be automated and optimized automatically. We use real-world AI applications to demonstrate Jaseci's benefit for application performance and developer productivity.
• Abstract（参考訳）: 今日のプロダクションスケールアウトアプリケーションは、ストレージバックエンド、ロギングインフラストラクチャ、aiモデルなど、多くのサブアプリケーションコンポーネントを含んでいる。 これらのコンポーネントは、大きく異なる特性を持ち、コラボレーションや相互インターフェースをマイクロサービスとして必要としています。 これにより、スケールアウトアプリケーションの開発、最適化、構成、デプロイにおける複雑さが増し、ほとんどの個人や小さなチームにとって参入障壁が高まる。 我々は,この複雑さを減らすことを目的とした,新しいランタイムシステムJaseciとプログラミング言語Jacを開発した。 jaseciの設計全体において重要な設計原則は、スケールアウトデータ管理、マイクロサービスのコンポーネント化、ライブアップデートの複雑さをランタイムスタックに移し、自動化と最適化を自動的に行うことで、抽象化のレベルを上げることである。 実世界のAIアプリケーションを使用して、アプリケーションパフォーマンスと開発者の生産性に対するJaseciのメリットを示しています。

関連論文リスト

• VisionCoder: Empowering Multi-Agent Auto-Programming for Image Processing with Hybrid LLMs [8.380216582290025]
  本稿では,自動プログラミングタスクを協調的に完了するマルチエージェントフレームワークを提案する。 各エージェントは、仮想組織をまとめて形成する、ソフトウェア開発サイクルにおいて、明確な役割を担います。 このフレームワークは、プロジェクト、モジュール、ファンクションレベルにまたがるツリー構造化の思考分布と開発メカニズムを確立することで、コスト効率と効率的なソリューションを提供します。
  論文  参考訳（メタデータ） (2024-10-25T01:52:15Z)
• Inference Optimization of Foundation Models on AI Accelerators [68.24450520773688]
  トランスフォーマーアーキテクチャを備えた大規模言語モデル(LLM)を含む強力な基礎モデルは、ジェネレーティブAIの新たな時代を支えている。 モデルパラメータの数が数十億に達すると、実際のシナリオにおける推論コストと高いレイテンシーが排除される。 このチュートリアルでは、AIアクセラレータを用いた補完推論最適化テクニックに関する包括的な議論を行っている。
  論文  参考訳（メタデータ） (2024-07-12T09:24:34Z)
• CARLOS: An Open, Modular, and Scalable Simulation Framework for the Development and Testing of Software for C-ITS [0.0]
  CARLOS - C-ITSにおけるソフトウェアの開発とテストのためのオープンでモジュール化されたスケーラブルなシミュレーションフレームワークを提案する。 このフレームワークの中核となるビルディングブロックを提供し、コミュニティによってどのように利用され、拡張されるかを説明します。 本稿では、重要な設計原則を説明し、3つの主要なユースケースを示すことによって、アーキテクチャのモチベーションを高める。
  論文  参考訳（メタデータ） (2024-04-02T10:48:36Z)
• CARISMA: CAR-Integrated Service Mesh Architecture [0.9834663375961437]
  現代の自動車におけるソフトウェアの量は、従来の電気/電子アーキテクチャー(E/E)が限界に達するにつれて、継続的に増加している。 この状況を緩和するため、より強力なコンピューティングプラットフォームが採用され、アプリケーションは分散アプリケーションとして開発されている。 本稿では,複数のインターリンクハイパフォーマンスコンピュータからなる自動車E/Eプラットフォームに対して,サービスメッシュのプロトタイプアプローチを適用したアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-03-07T10:10:34Z)
• AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
  AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。 豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
  論文  参考訳（メタデータ） (2024-02-21T04:11:28Z)
• CRAFT: Customizing LLMs by Creating and Retrieving from Specialized Toolsets [75.64181719386497]
  大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。 タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。 本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
  論文  参考訳（メタデータ） (2023-09-29T17:40:26Z)
• Multi-Agent Reinforcement Learning for Microprocessor Design Space Exploration [71.95914457415624]
  マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。 この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。 評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2022-11-29T17:10:24Z)
• The Case for a Wholistic Serverless Programming Paradigm and Full Stack Automation for AI and Beyond -- The Philosophy of Jaseci and Jac [2.466612244988994]
  私たちは、この複雑さのギャップを埋めるために、システムアーキテクチャを通して、プログラミング言語レベルからシステムスタックを再設計します。 私たちの設計のキーとなるゴールは、プログラマが問題レベルでより高いレベルの抽象化でソリューションを明確にする必要性に対処することです。 この研究は、Jaseci と呼ばれるシステムスタックアーキテクチャとそれに対応するプログラミング言語 Jac のプロダクショングレードの実現も提案している。
  論文  参考訳（メタデータ） (2022-06-16T20:28:37Z)
• Composing Complex and Hybrid AI Solutions [52.00820391621739]
  一般的なAIアプリケーションで上記の機能を実現するためのAcumosシステムの拡張について述べる。 当社の拡張機能には、gRPC/Protobufインターフェースによるより汎用的なコンポーネントのサポートが含まれています。 デプロイ可能なソリューションとそのインターフェースの例を提供する。
  論文  参考訳（メタデータ） (2022-02-25T08:57:06Z)
• YMIR: A Rapid Data-centric Development Platform for Vision Applications [82.67319997259622]
  本稿では,コンピュータビジョンアプリケーションの開発を迅速化するオープンソースプラットフォームについて紹介する。 このプラットフォームは、効率的なデータ開発を機械学習開発プロセスの中心に置く。
  論文  参考訳（メタデータ） (2021-11-19T05:02:55Z)
• iPaaS in Agriculture 4.0: An Industrial Case [0.0]
  統合、相互運用性、自動意思決定機能を備えたオープンソースのソリューションをベースとした汎用iアーキテクチャを提案する。 これらのソリューションに基づく概念実証と,MA"ISADOURの粒度保存プロセスのケーススタディと,現在運用中のタスクとの比較を行った。
  論文  参考訳（メタデータ） (2020-10-08T07:52:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。