Skip to content
简体中文

切换主题

// ◈ 量化、剪枝与蒸馏

SparseGPT 一次性剪枝

不重新训练就把大模型一半权重剪掉。

SparseGPT 2023 高级 扩展

通俗解释

把剪枝看成大规模稀疏回归问题,用近似二阶信息逐列决定剪哪些、并更新剩余权重补偿误差,175B 模型可剪 50% 而困惑度几乎不变。

用在哪里:稀疏推理研究

时间轴 · 前置 → 当前 → 后继

2022 GPTQ 训练后量化2023 SparseGPT 一次性剪枝

01原始论文

SparseGPT: Massive Language Models Can Be Accurately Pruned in One-Shot

Elias Frantar, Dan Alistarh · 2023

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

先学

SparseGPT 一次性剪枝

学完可以学

  • 图谱里暂无后继

相关:BitNet b1.58 三值模型

GPTQ 训练后量化BitNet b1.58 三值… SparseGPT 一次性剪枝

左:前置 · 右:后继 · 虚线:相关。看完整关系图 →

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)