원래 이름 기록: 英特尔公司

公开了用于利用大语言人工智能模型来转换计算机代码的系统、装置、制品和方法。示例装置包括指令和处理器电路系统，该处理器电路系统用于执行指令以至少进行以下操作：基于包括第一类型的代码的计算机指令储存库来训练大语言模型；利用大语言模型以将第一类型的输入指令集转换为第二类型的输出代码；引起输出代码的执行；确定执行是否成功；以及当执行不成功时，利用输出代码对具有不正确数据的大语言模型进行微调训练。

本发明的主题是“网格着色器输出管理技术”。方法、系统和设备可以提供确定小网格的大小并且如果小网格的大小大于部分大小的缓冲器分配则将小网格写入到完全大小的缓冲器分配的技术。如果小网格的大小不大于部分大小的缓冲器分配，则该技术还可以将小网格写入到部分大小的缓冲器分配。

本文公开了交叉连接的耦合电感器结构。示例耦合电感器包括外壳，该外壳具有：左侧部分和右侧部分；前表面，与后表面相反；以及顶表面，与底表面相反，前表面和后表面的第一平面垂直于顶表面和底表面的第二平面。该示例耦合电感器还包括第一导体，该第一导体具有：第一端子，靠近外壳的右侧部分的底表面和前表面的相交处；以及第二端子，靠近外壳的左侧部分的底表面和后表面的相交处。该示例耦合电感器还包括第二导体，该第二导体具有：第三端子，靠近外壳的左侧部分的底表面和前表面的相交处；以及第四端子，靠近外壳的右侧部分的底表面和后表面的相交处。

本公开涉及接入点侧带有不可用指示的受限目标唤醒时间。描述了与受限目标唤醒时间(rTWT)保护相关的系统、方法、以及设备。一种设备可以接收由相关联的超高可靠性台站(UHR STA)发送的初始控制帧(ICF)，以发起传输机会(TxOP)。该设备可以向UHR STA发送信息控制响应(ICR)帧，该ICR帧包括不可用目标开始时间字段和不可用持续时间，该不可用目标开始时间字段标记不可用的开始，该不可用持续时间表明不可用的长度。

通过对比知识蒸馏使用支持神经网络可以训练目标神经网络。从支持神经网络提取第一特征图。从目标神经网络提取特征图并且将特征图转换成第二特征图。通过将第一特征图划分成支持样本并且将第二特征图划分成目标样本可以形成对比对。对比对可以包括表示支持特征图中的像素的支持样本和表示已转换的目标特征图中的像素的目标样本。基于正对和负对可以确定对比损失。基于支持特征图和目标特征图可以确定特征蒸馏损失。至少使用对比损失和特征蒸馏损失可以更新目标神经网络的内部参数。

作为目标唤醒时间(TWT)调度接入点(AP)进行操作的AP，可以对广播TWT元素进行编码，用于传输以通告具有一个或多个广播TWT服务周期(SP)的广播TWT。当广播TWT元素携带具有等于零的广播TWT ID子字段的一个或多个广播TWT参数集字段，并且具有等于一的响应方功率管理(PM)模式子字段时，AP可以将广播TWT元素的控制字段的NDP寻呼指示符/不可用模式子字段设置为值零，以指示AP在一个或多个广播TWT SP之外不可用，除了与AP建立或由AP通告的其他TWT SP之外。AP可以将控制字段的NDP寻呼指示符/不可用模式子字段设置为值一，以指示AP在一个或多个广播TWT SP之外不可用，包括在落入与AP建立或由AP通告的其他TWT SP内的任何时间期间不可用。

通过一个或多个线性函数可以逼近神经网络中的非线性函数。输入范围可以划分成输入段，每个输入段对应于激活函数的输入范围中的不同指数并且包括具有指数的输入数据元素。基于输入数据元素的统计分析可以为已识别的指数分配目标准确性。输入段的目标准确性将用于确定在输入段逼近激活函数的一个或多个线性函数。线性函数在输入段逼近激活函数的误差可以在目标准确性内。线性函数的参数可以存储在查询表(LUT)中。在DNN的执行过程中，LUT可以用于执行激活函数。

逻辑可以从用户平面功能(UPF)接收包括设置为指示UPF支持扩展DL缓冲通知控制(EDBNC)的EDBNC的用户平面(UP)功能特征信息元素。逻辑可以发送分组转发协议(PFCP)会话建立请求或PFCP会话修改请求，包括缓冲动作规则(BAR)信息元素，其中该BAR信息元素包括扩展DL缓冲通知(EDBN)策略IE，该扩展DL缓冲通知策略IE包括EDBN标志，其中该标志设置为1，以允许UPF在由用于缓冲DL数据的DL缓冲持续时间所指示的持续时间内用于UE。逻辑可以识别来自与UE相关联的UPF的数据通知。并且，逻辑可以在UE恢复与网络的连接之后使无线接入网(RAN)节点经由第一接口寻呼UE。

本文的各种实施例提供了一种涉及用户设备(UE)的技术，该UE被配置为识别与在一个或多个子带非重叠全双工(SBFD)符号上的上行链路(UL)传输有关的第一配置信息和与在一个或多个非SBFD符号上的UL传输有关的第二配置信息。UE还可以被配置为基于第一配置信息和第二配置信息来编码多个上行链路(UL)传输。可以描述和/或要求保护其它实施例。

本申请涉及通信台站和用在通信台站中的装置，其中该装置包括处理器电路，该处理器电路被配置为促使通信台站：从第一通信台站接收寻址到该通信台站的初始控制帧；以及当该通信台站处的网络分配向量（NAV）被设置时，向第一通信台站发送响应控制帧，其中，响应控制帧是响应于初始控制帧而发送的，并且指示该通信台站处的NAV被设置。

例如，一种非接入点(AP)(非AP)多链路装置(MLD)可以被配置为将第一优先级分配给多链路操作模式的第一链路并且将第二优先级分配给多链路操作模式的第二链路。例如，分配给多链路操作模式的第一链路的第一优先级可以高于分配给多链路操作模式的第二链路的第二优先级。例如，非AP MLD可以被配置为例如基于第一链路的无线通信介质的忙状态限制从非AP MLD通过第二链路的传输。

本公开涉及以共享页表实施独特页表权限。一种处理器包括处理器核心；用于存储第一权限过滤器的过滤器寄存器；以及耦合到处理器核心、过滤器寄存器和与第一权限过滤器相关联的第一外围设备的存储器管理单元（MMU），其中该MMU包括逻辑电路来管理共享页表，该共享页表包括与处理器核心和第一外围设备相对应的条目，其中逻辑电路用于：接收来自第一外围设备的对第一存储器页的存储器访问请求；确定第一条目的权限比特的集合是否匹配第一权限过滤器的比特的第一组合；如果权限比特的集合匹配第一权限过滤器的比特的第一组合，则准许存储器访问请求；并且如果权限比特的集合不匹配比特的第一组合，则引起页故障。

例如，接入点(AP)可以被配置为：确定在特定竞争时段期间要发起高优先级竞争时段。例如，AP可以被配置为：基于在特定竞争时段期间通过无线介质从站(STA)接收的预留信号，确定在特定竞争时段期间要发起高优先级竞争时段。例如，AP可以被配置为：允许AP根据高优先级竞争策略，在高优先级竞争时段期间竞争无线介质，例如以获得传输机会(TxOP)，以用于下行链路(DL)数据向一个或多个STA的传输。

深度神经网络（DNN）中的张量乘法运算可以基于利用经混洗的数据布局的权重去量化来执行。张量乘法运算可以具有权重张量，该权重张量包括浮点型数据点中的权重。权重张量可以被量化以生成具有比权重张量更小的存储大小的整型权重块。整型权重张量可以被划分为权重块。可以基于预定的组大小将权重块进一步划分为权重组。权重组可以通过位右移来封装。可以通过对权重组中的数据元素进行混洗来改变封装的权重组中的数据布局。经封装和混洗的权重组可以被去量化以产生浮点型权重块。张量乘法运算可以对浮点型权重块执行。

深度神经网络（DNN）中的张量乘法操作可以以多个精度级别执行。可以为各种DNN层选择各种精度级别，以在计算资源的最小化消耗的情况下实现DNN的期望准确度。可以从层的多个预定精度级别中选择精度级别。该层可以包括对激活张量和权重张量的张量乘法操作。激活张量中的激活可以被转换为较低精度激活。权重张量中的权重可以被转换为较低精度权重。基于所选择的精度级别确定的算法可以用于使用较低精度激活和较低精度权重来计算激活和权重的近似乘积。可以为不同的层选择不同的精度级别，并且可以使用不同的算法来计算不同层中的乘积。

公开了用于支持虚拟机性能测量的方法、装置和计算机程序。在一个实施例中，一种方法包括：响应于对处理器的虚拟处理单元的虚拟机进入，将与虚拟处理单元相对应的第一计数值和第二计数值分别写入第一计数器和第二计数器；基于第一计数值使第一计数器计数以固定频率递增，并且基于第二计数值使第二计数器计数与虚拟处理单元的体系结构事件发生成比例地递增；以及响应于从虚拟处理单元的虚拟机退出，分别从第一计数器和第二计数器读取所得第一计数值和所得第二计数值，以确定虚拟处理单元的性能的度量。

本文所述的示例涉及基于接收到分配存储器容量达持续时间的请求，来分配存储器容量达持续时间。该请求可包括请求分配存储器容量的配置，并且该配置指定时间层和/或持续时间。该请求可指定以下一项或多项：请求标识符、要分配的存储器容量、或用于预留存储器容量的请求持续时间。

深度神经网络(DNN)加速器包括执行DNN中的深度学习操作的一个或多个计算块。计算块包括存储器和一个或多个处理元件。存储器可以包括体组，每个体组包括存储体。存储器还可以包括组选择模块、缓冲器、互连、以及体选择模块。组选择模块可以从处理元件选择用于数据传输请求的体组并且将数据传输请求存储在与体组相关联的缓冲器中。数据传输请求中的存储器地址可以通过互连从缓冲器被传送到与体组相关联的体选择模块。体选择模块可以基于存储器地址选择体组中的存储体。数据能够从所选择的存储体被读取或者被写入所选择的存储体中。

深度神经网络（DNN）加速器可以促进动态的基于稀疏性的加速，并且在各种稀疏性模式中操作，包括组合稀疏性模式、权重稀疏性模式、激活稀疏性模式和稠密模式。DNN加速器可以接收配置参数，所述配置参数指示是否基于层的权重张量中的稀疏性来对所述层进行加速。配置参数可以离线生成，例如，在开始执行DNN之前生成。DNN加速器在DNN中的先前层中计算所述层的一个或多个激活。所述一个或多个激活是所述层的激活张量的一个或多个元素。DNN加速器可以基于配置参数和激活张量中的稀疏性来确定所述层的稀疏性模式。DNN加速器中的一个或多个稀疏单元可以在稀疏性模式中执行所述层。

本申请公开了用于实时运动和路径规划的系统、设备、以及方法。实时运动和路径规划器可以生成关于机器人周围的环境的占用信息。占用信息表示环境的已定义的空间体积，并且每个已定义的空间体积与对应的占用概率相关联。运动/路径规划器还基于占用信息确定起始配置与目标配置之间的一系列机器人配置，其中，该一系列的机器人配置定义了占用已定义的空间体积中的已选择的一些空间体积的机器人位姿。运动/路径规划器还基于该一系列的机器人配置生成用于机器人的指令，其中，指令包括通过该一系列的机器人配置控制机器人从起始配置移动至目标配置的轨迹信息。