ETAPS 渐进剪枝实现大模型极端稀疏
热点事件观察中
ETAPS 渐进剪枝实现大模型极端稀疏
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者 Jean Lucien Randrianantenaina 等人提出大语言模型剪枝方法 ETAPS：分阶段收紧全局稀疏约束，同时以固定小预算训练稀疏 delta。在 125M 至 13B 参数的六个模型上，50% 至 90% 稀疏度下困惑度均低于 ELSA，最高降低 42%。 在 90% 稀疏度下，ETAPS 仅用单张 H200 即可剪枝 LLaMA2-7B，而 ELSA 需四张；持久状态缩小 5.0 倍，GPU 小时数减少 49%。
AI 根据报道生成 · 44 分钟前更新
最新进展11月2日 13:00
ETAPS：渐进剪枝与稀疏适配实现大语言模型极端稀疏化高效剪枝报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AIETAPS：渐进剪枝与稀疏适配实现大语言模型极端稀疏化高效剪枝
研究者提出 ETAPS 剪枝方法，通过分阶段收紧全局稀疏约束并训练小固定预算的稀疏 delta，在 125M 至 13B 参数的六个模型上，50% 至 90% 稀疏度下困惑度均低于 ELSA，最高降低 42%。在 90% 稀疏度下，ETAPS 仅用单张 H200 即可剪枝 LLaMA2-7B（ELSA 需四张），持久状态缩小 5.0 倍，GPU 小时数减少 49%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。