本研究提出了一种新剪枝指标LLM-BIP，旨在解决现有方法在评估连接重要性时的不准确性。该方法通过分析连接对变换器块输出的影响，显著提升了剪枝效果，实验结果显示准确性平均提高了3.26%。

LLM-BIP：针对大语言模型的基于区块的重要性传播的结构化剪枝
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