本文介绍了一种名为Subformer的算法，通过参数共享和自我关注嵌入技术提升机器翻译、摘要和语言建模等任务的性能。研究表明，参数共享优化了训练收敛并降低了模型复杂度。此外，提出的FinerCut剪枝方法优化了Transformer网络，提高了效率并保持了语言能力。研究还探讨了KV缓存共享技术，发现其在减少缓存时仍能保持性能，推动了大型语言模型的高效应用。