本研究提出了一种新颖的熵加权量化（EWQ）方法，克服了大型语言模型（LLMs）在架构和规模上的局限，实现了选择性量化，提升了质量与压缩效果的平衡。

本文介绍了广告牌点图（BBSplat），一种基于可学习纹理几何原语的3D场景表示方法。BBSplat通过优化纹理平面原语，提高了渲染效率和压缩效果，性能超过1200 FPS，展现出良好的应用潜力。

本文介绍了多种大型语言模型（LLMs）的修剪方法，如GBLM-Pruner、Wanda和LLM-Pruner。这些方法通过结构修剪和自动化度量标准，提高了模型性能和压缩效果，减少了重新训练的需求。实验结果表明，这些方法在语言基准测试中表现优异，适用于资源受限设备。