跳到正文
热点事件持续更新

研究者提出Complete-SVD低秩LLM压缩方法

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月20日,Alper Kalle等研究者在arXiv发布ML领域论文,提出Complete-SVD低秩大语言模型压缩方法。该方法通过最小化原模型与压缩模型logits间的L2距离实现压缩,利用Kronecker分解近似与随机探针无偏估计优化过程。实验显示,在匹配设置下,该方法取得WikiText-2校准最低C4和PTB困惑度,并在IFEval指令遵循准确率上优于现有输出感知方法。

AI 根据报道生成 · 13 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    Complete-SVD:基于函数范数的低秩 LLM 压缩方法

    研究提出 Complete-SVD 方法,通过最小化原模型与压缩模型 logits 间的 L2 距离实现低秩 LLM 压缩。 利用 Kronecker 分解近似和随机探针无偏估计,在匹配设置下取得 WikiText-2 校准最低 C4 和 PTB 困惑度,并优于现有输出感知方法在 IFEval 指令遵循上的准确率。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 16:00
近 24 小时变化
–

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。