研究表明，大型语言模型中的少量异常参数对模型质量至关重要。修剪这些参数可能显著降低文本生成能力。我们提出了一种无数据的方法来识别这些“超级权重”，并发现它们会导致罕见的大激活异常。保留这些激活可以提升量化效果，并提供常见LLM的超级权重坐标索引。