本研究探索了基于Transformer的语音识别神经网络语言模型的模型修剪方法，发现数据驱动的修剪效果优于基于幅度的修剪，渐进式修剪在准确性方面表现更好，低秩逼近提供了尺寸减小和推理加速之间的最佳平衡。

本研究探索了基于Transformer的语音识别神经网络语言模型的模型修剪方法，发现数据驱动的修剪效果优于基于幅度的修剪，渐进式修剪在准确性方面表现更好，低秩逼近提供了尺寸减小和推理加速之间的最佳平衡。