本研究提出了一种动态软剪枝方法GDeR，旨在解决不平衡或偏见数据模式下的性能下降问题。GDeR通过可训练的原型更新数据子集，显著提高了模型性能和训练速度，尤其在不平衡和噪声训练情境中表现优于其他剪枝方法。

GDeR: Safeguarding Efficiency, Balance, and Robustness via Prototypical Graph Pruning
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证