Pruning All-Rounder: Rethinking and Improving Inference Efficiency for Large Vision Language Models

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

该研究提出了一种名为“全能剪枝”(PAR)的新框架,旨在提高大型视觉语言模型(LVLMs)的推理效率。PAR通过自适应剪枝流程和自我监督学习,优化性能与效率的平衡,适应不同剪枝场景。

🏷️

标签

➡️

继续阅读