Breaking the Local Optima Barrier in Branch Predictor Design Space Exploration: An LLM-Based Initialization Strategy for PSO
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : cn, us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Breaking the Local Optima Barrier in Branch Predictor Design Space Exploration: An LLM-Based Initialization Strategy for PSO
- Date Crossref
- 24/05/2026
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of Chinese Academy of Sciences pays non établi dans la noticeUniversité ou école supérieure
-
New York University pays non établi dans la noticeUniversité ou école supérieure
-
Institute of Automation pays non établi dans la noticeStructure de recherche
University of Chinese Academy of Sciences, New York University et Institute of Automation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Evolutionary Algorithms and ApplicationsParallel Computing and Optimization TechniquesMetaheuristic Optimization Algorithms Research