KOFF框架实现LLM稀疏主干与外部记忆解耦
热点事件持续更新
KOFF框架实现LLM稀疏主干与外部记忆解耦
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Karim Galliamov等人在arXiv上提出KOFF（知识卸载）框架，旨在将预训练LLM分解为稀疏共享主干和领域特定外部记忆模块。 该研究基于冻结基础模型，在Llama和Qwen 3B至14B模型上进行实验。结果显示，卸载12%至20%容量后，模型仍可保留高达90%的MMLU性能。 实验中语言特定神经元被优先移除，这一结果验证了知识可以从LLM核心重新分配至可互换记忆模块的可行性，支持了模型结构分解的技术路径。
AI 根据报道生成 · 20 小时前更新
最新进展11月6日 13:00
知识卸载：将 LLM 分解为稀疏主干与记忆模块报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv · ML知识卸载：将 LLM 分解为稀疏主干与记忆模块
提出 KOFF 框架将预训练 LLM 分解为稀疏共享主干和领域特定外部记忆模块。 在 Llama 和 Qwen 3B 至 14B 模型中，卸载 12% 至 20% 容量仍可保留高达 90% 的 MMLU 性能。 语言特定神经元被优先移除，验证了知识可从 LLM 核心重新分配至可互换记忆。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 911月6日 16:00
- 近 24 小时变化
- –
02.557.510
18:0011月7日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。