DLP：面向大语言模型的动态层级剪枝
面向大语言模型的动态层级剪枝方法，用权重与激活的中位数度量层不重要性并生成相对重要性分布，动态分配各层稀疏率，在 70% 稀疏率下显著优于 Uniform 与 OWL。
肖洋
•
2026年8月18日 08:30 — 09:15
•
1 分钟阅读时长
LLM-Streamline：精简冗余层以压缩大语言模型
面向大语言模型的层级剪枝与轻量替代方法，用输入输出 hidden states 的余弦相似度定位连续冗余层，并训练轻量 FFN 替代被剪层段，在约 25% 剪枝率下保留原模型约 93% 的分类能力。
肖洋