大型语言模型（LLMs）在自然语言处理领域取得了突破，但因运行成本高而难以广泛应用。本文提出了一种新颖的后训练压缩方法SeedLM，通过伪随机生成器的种子编码和压缩模型权重，利用线性反馈移位寄存器生成随机矩阵，结合压缩系数重构权重块。SeedLM减少内存访问，提升内存密集型任务的速度，且无需校准数据，适用于多种任务。实验表明，SeedLM在4位和3位压缩下的零-shot准确率与最先进方法相当，并在FPGA测试中显示出显著加速效果。