Accès ouvert déclaré 2026 software

DLNetBenchSC26

Jacopo Raffi, Thomas Pasquali, Loredana Piarulli, Filippo Spiga, Marco Faltelli, Andreas Herten, Domenico Siracusa, Daniele De Sensi, Flavio Vella

0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
3Pays d’affiliation déclarés

Rattachement africain : it, gb, de. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Artifact for SC26 paper "Characterizing the Scalability and Performance of Large-Scale AI Training Under Multi-Tenancy". Link Github: https://github.com/HicrestLaboratory/DLNetBenchSC26

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

La source scientifique ouverte est momentanément indisponible.

Où se fait cette recherche

  • University of Trento pays non établi dans la notice
    Université ou école supérieure
  • Sapienza University of Rome pays non établi dans la notice
    Université ou école supérieure
  • Nvidia (United Kingdom) pays non établi dans la notice
    Entreprise
  • Forschungszentrum Jülich pays non établi dans la notice
    Structure de recherche

University of Trento, Sapienza University of Rome et Nvidia (United Kingdom), avec 1 autre affiliation.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.