Community-Oriented Resource Allocation at the Extreme Edge
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The surging demand for Edge Computing (EC) to cope with the proliferation of latency-critical and data-intensive applications has inspired the notion of recycling ample yet underutilized computational resources of end devices, also referred to as Extreme Edge Devices (EEDs). Maintaining data privacy and cost efficiency remain core challenges for the viability of EED-enabled computing paradigms. In this context, we propose the Community-Oriented Resource Allocation (CORA) scheme. CORA exploits business, institutional, and social relationships to build clusters and communities of requesters and EEDs that can eliminate recruitment costs and preserve privacy. However, community-imposed constraints on resource allocation can lead to unbalanced work distribution. To address this issue, CORA considers community restrictions, minimizes flowtime and makespan for the allocated services, and retains a reasonable scheduler runtime for real-time resource allocation. Towards that end, CORA formulates the resource allocation problem as a Bipartite Graph Matching problem. Furthermore, CORA exposes tuneable parameters that allow prioritizing flowtime or makespan, making it suitable for different scenarios. Extensive simulations show that CORA outperforms six prominent heuristic-based resource allocation schemes by up to 24% in terms of average makespan while sustaining the same level of flowtime and runtime.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,013 | 0,016 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle