会员服务
Mercurial 是一个供开发者使用的跨平台的分布式版本控制工具，主要由 Python 实现，支持在 Windows 和类 Unix 系统（如 FreeBSD、Mac OS X 和 Linux）上使用。 mercurial.selenic.com
Chasing the Speed of Light: Low-Latency Planetary-Scale Adaptive Byzantine Consensus
Arxiv
0+阅读 · 9月30日
MECURY: Practical Cross-Chain Exchange via Trusted Hardware
Arxiv
0+阅读 · 9月23日
Random Generation of Git Graphs
Arxiv
0+阅读 · 6月25日
Random Generation of Git Graphs
Arxiv
0+阅读 · 3月4日
Mercury: An Efficiency Benchmark for LLM Code Synthesis
Mercury: An Efficiency Benchmark for LLM Code Synthesis
Arxiv
0+阅读 · 2月12日
Sensitivity Analysis for Causal Effects in Observational Studies with Multivalued Treatments
Arxiv
0+阅读 · 1月1日
Sensitivity Analysis for Causal Effects in Observational Studies with Multivalued Treatments
Arxiv
0+阅读 · 2023年12月11日
Sensitivity Analysis for Causal Effects in Observational Studies with Multivalued Treatments
Arxiv
0+阅读 · 2023年8月30日
Mercury: An Automated Remote Side-channel Attack to Nvidia Deep Learning Accelerator
Arxiv
0+阅读 · 2023年8月2日
MERCURY: Accelerating DNN Training By Exploiting Input Similarity
Arxiv
0+阅读 · 2022年11月2日
Model Calibration of the Liquid Mercury Spallation Target using Evolutionary Neural Networks and Sparse Polynomial Expansions
Arxiv
0+阅读 · 2022年2月18日
Bayesian Inverse Uncertainty Quantification of the Physical Model Parameters for the Spallation Neutron Source First Target Station
Arxiv
0+阅读 · 2022年2月8日
Deep learning for surrogate modelling of 2D mantle convection
Arxiv
0+阅读 · 2021年11月5日
Deep learning for surrogate modelling of 2D mantle convection
Arxiv
0+阅读 · 2021年8月23日
Improving Neural Model Performance through Natural Language Feedback on Their Explanations
Arxiv
0+阅读 · 2021年4月18日
参考链接
微信扫码咨询专知VIP会员
Top