本文提出了一种新的两阶段框架2SSP，用于大语言模型的结构化剪枝，结合宽度和深度剪枝策略。该方法在多种稀疏率下显著提升了语言建模和下游任务的性能，并显著缩短了剪枝时间。

本研究探讨了校准数据对大型语言模型剪枝性能的影响，结果表明，校准数据的质量比剪枝策略更为重要，尤其在高稀疏率情况下。提出的自生成校准数据策略显著提升了剪枝效果。