mit-han-lab
mit-han-lab 收录中的开源项目，按星标数排序。
- #1
[ICLR 2024] 高效流式语言模型与 Attention Sinks
★ 7,268+0近 7 天星标变化 - #2★ 3,633+0近 7 天星标变化
- #3
高效的视觉基础模型，用于高分辨率生成与感知。
★ 3,359+0近 7 天星标变化 - #4
[ICCV 2019] TSM：用于高效视频理解的时间位移模块
★ 2,223+0近 7 天星标变化 - #5
[ICML 2023] SmoothQuant：针对大型语言模型的精确且高效后训练量化
★ 1,684+0近 7 天星标变化 - #6
基于 PyTorch 的量子经典模拟、量子机器学习、量子神经网络与参数化量子电路框架，支持轻松部署至真实量子计算机。
★ 1,665+0近 7 天星标变化 - #7
[MICRO'23, MLSys'22] TorchSparse: 用于 GPU 上稀疏卷积的高效训练与推理框架。
★ 1,472+0近 7 天星标变化 - #8
[ICLR 2019] ProxylessNAS：针对目标任务与硬件的直接神经架构搜索
★ 1,448+0近 7 天星标变化 - #9
[NeurIPS 2020] 用于提升数据效率的 GAN 训练之可微分数据增强技术
★ 1,307+0近 7 天星标变化 - #10
[CVPR 2020] GAN 压缩：交互式条件 GAN 的高效架构
★ 1,115+0近 7 天星标变化 - #11
StreamingVLM：针对无限视频流的实时理解
★ 1,079+2近 7 天星标变化 - #12
TinyChatEngine：设备端 LLM 推理库
★ 962+0近 7 天星标变化 - #13
[NeurIPS 2020] MCUNet：IoT 设备上的微型深度学习；[NeurIPS 2021] MCUNetV2：适用于微型深度学习的内存高效率补丁式推理；[NeurIPS 2022] MCUNetV3：256KB 内存限制下的设备端训练
★ 957+2近 7 天星标变化 - #14
[MLSys'25] QServe：用于高效 LLM 服务的 W4A8KV4 量化与系统协同设计；[MLSys'25] LServe：使用统一稀疏注意力的高效长序列 LLM 服务
★ 858+2近 7 天星标变化 - #15
[CVPR 2024 Highlight] DistriFusion：高分辨率扩散模型的分布式并行推理
★ 728+0近 7 天星标变化 - #16
[IJCV] FastComposer：基于局部注意力机制的免微调多主体图像生成
★ 714-1近 7 天星标变化 - #17
[NeurIPS 2020] MCUNet：物联网设备上的轻量级深度学习；[NeurIPS 2021] MCUNetV2：针对物联网轻量级深度学习具内存效率的 Patch 式推理。
★ 714+1近 7 天星标变化 - #18★ 649+0近 7 天星标变化
- #19
[NeurIPS 2025] 径向注意力：用于长视频生成、具能量衰减机制的 O(nlogn) 稀疏注意力机制
★ 607+0近 7 天星标变化 - #20
支持混合稀疏模式的稀疏注意力核心 (Sparse Attention Kernel)。
★ 554+4近 7 天星标变化 - #21
[ICLR 2025] DuoAttention：通过检索与流式 Head 实现高效的长文本 LLM 推理
★ 540+1近 7 天星标变化 - #22
内存占用小于 256KB 的设备端训练 [NeurIPS'22]
★ 524+0近 7 天星标变化
