基于流形对齐的层合并压缩 LLM

BriefGPT - AI 论文速递 · 2024-06-24T00:00:00Z

介绍了一种名为Layer Collapse (LaCo)的逐层修剪方法，可快速减小模型大小并保留结构。实验证明，在修剪比例为25-30%时，该方法保持了超过80%的平均任务性能，优于其他结构修剪方法。通过后训练实验证实该修剪方法有效继承了原始模型的参数，并从逐层相似性的角度讨论了提出该方法的动机，评估了修剪的大型语言模型在不同修剪比例下的性能。