Learning Structured Sparsity for Large Models: Bridging Model Compressibility and Efficient InferenceS-SALAAD 联合学习低秩与结构化稀疏，在 Llama2/Qwen3 上推进 Pareto 前沿
S-SALAAD 联合学习低秩与结构化稀疏，在 Llama2/Qwen3 上推进 Pareto 前沿
结构化稀疏学习可把弹性压缩转化为更低内存需求和推理延迟，对边缘设备部署大模型有实际工程价值。
AI 硬件
资料 43 条 · 常规内容近 60–90 天，综述/报告保留一年最近同步 30 分钟前
浏览方式
Compressing Onboard Language Models for Space Robots under a Behavioral-Fidelity Requirement提出QSelect组合低比特量化，3-bit合并准确率提升4.3/4.5点
提出QSelect组合低比特量化，3-bit合并准确率提升4.3/4.5点
为资源受限场景提供组合量化方案，兼顾行为保真与内存预算，对模型压缩部署有直接参考价值。