本文综述了大型语言模型（LLM）的模型压缩技术，包括剪枝、知识蒸馏、量化和低秩分解。这些技术可以降低LLM的规模和复杂度，适用于资源受限设备，并保持或提高性能和泛化能力。文章还提出了评估LLM模型压缩效果的指标和基准，并探讨了未来的研究方向和挑战。
完成下面两步后，将自动完成登录并继续当前操作。
