एnergie-संवर्द्धित विभाजित अध्ययन बड़े भाषा मॉडलों को एज नेटवर्क में ठीक करने के लिए

इस पत्र में, हम नेटवर्क एज पर भू-वितरित व्यक्तिगत डेटा का उपयोग करके बड़े भाषा मॉडल (LLMs) को ठीक करने के लिए एक ऊर्जा-कुशल विभाजित अध्ययन (SL) ढांचा प्रस्तावित करते हैं, जहाँ LLMs को विशाल मोबाइल उपकरणों और एक एज सर्वर के बीच विभाजित और वैकल्पिक रूप से रखा जाता है। एज नेटवर्क में उपकरणों की विषमता और चैनल गतिशीलता को ध्यान में रखते हुए, प्रशिक्षण में देरी और ऊर्जा खपत को न्यूनतम करने के लिए एक कट लेयर और कंप्यूटिंग संसाधन निर्णय (CARD) एल्गोरिदम विकसित किया गया है। अनुकरण के परिणाम दिखाते हैं कि प्रस्तावित दृष्टिकोण द्वारा औसत प्रशिक्षण में देरी और सर्वर की ऊर्जा खपत को क्रमशः 70.8% और 53.1% तक कम किया जाता है।