paperbot · PL 论文追踪

全部论文 待读 收藏

P2 Game of Threads

线程的游戏
ASPLOS Proceedings of the Twenty-Fifth International Conference on Architectural Support for Programming Languages and Operating Systems2020匹配度 4/10 · 论文位于机器学习与程序语言的交叉点，关注异步训练中多线程竞争式更新模型的问题，与“ML系统中的程序分析”有间接关联；但摘要未涉及静态分析、LLM/Agent、浮点或贝叶斯程序分析等用户核心方向。引用 15 inbox
Jose Rodrigo Sanchez Vicarte, Benjamin Schreiber, Riccardo Paccagnella, Christopher W. Fletcher
机器学习与程序语言并发、并行与内存模型
crossref: 2026-09-12

AI 速览

一句话：论文关注异步机器学习训练中多线程竞争式更新模型所引发的问题。

随着数据规模空前增长，机器学习训练被迫采用异步算法以维持性能和可扩展性。在异步训练中，多个线程以竞争（racy）方式共享和更新模型，从而避免昂贵的线程间同步。这种无同步的模型更新虽然提升了效率，但也引入了新的挑战。本文（标题“Game of Threads”）聚焦于这一背景，探讨异步训练中线程间竞争性模型更新所带来的影响。然而，所提供的摘要节选仅介绍了问题背景，未给出具体的方法、关键技术或实验结果，因此无法进一步概括其贡献与评估方式。

问题
异步机器学习训练中，多线程无同步地竞争更新模型以避免昂贵的线程间同步，这一做法带来的潜在问题。
方法
摘要节选未提供具体方法。
评估
摘要节选未提供评估方式与关键结果。
原文摘要（Abstract）

As data sizes continue to grow at an unprecedented rate, machine learning training is being forced to adopt asynchronous algorithms to maintain performance and scalability. In asynchronous training, many threads share and update the model in a racy fashion to avoid costly inter-thread synchronization.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot5420,
  title = {Game of Threads},
  author = {Jose Rodrigo Sanchez Vicarte and Benjamin Schreiber and Riccardo Paccagnella and Christopher W. Fletcher},
  booktitle = {ASPLOS},
  year = {2020},
  doi = {10.1145/3373376.3378462}
}