NeurIPS 2024｜SparseLLM：突破性全局剪枝技术，大语言模型稀疏化

AIGC动态欢迎阅读

原标题：NeurIPS 2024｜SparseLLM：突破性全局剪枝技术，大语言模型稀疏化
关键字：模型,全局,局部,性能,问题
文章来源：机器之心
内容字数：0字

内容摘要：

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本篇工作已被NeurIPS（2024 Conference on Neural Information Processing Systems）会议接收，文章第一作者为美国埃默里大学的博士生白光霁，通讯作者为赵亮教授，来自埃默里大学计算机系。共同作者包括美国阿贡国家实验室的Yijiang Li和Kibaek Kim，以及埃默里大学的博士生凌辰。该研究主要探讨了大语言模型的全局剪枝方法，旨在提高预训练语言模型的效率。该成果的发表为大模型的剪枝与优化研究提供了新的视角，并在相关领域具有重要的应用潜力。论文标题：SparseLLM: Towards Global Pruning of Pre-trained Language Models论文链接：https://ar

原文链接：NeurIPS 2024｜SparseLLM：突破性全局剪枝技术，大语言模型稀疏化

联系作者

文章来源：机器之心
作者微信：
作者简介：