标签
本文介绍了K2SVD，这是一种通过Kalman推断学习Koopman算子表示的原理性方法，以实现高效且准确的时间序列预测，展示了优于现有最先进方法的性能。
本文介绍了“Compression Trinity”框架，该框架联合应用稀疏性、量化与低秩近似来压缩大型语言模型，以提高效率和性能。
本文提出了一种通过结合神经元重要性和数据感知低秩逼近来压缩大型语言模型的方法，同时采用高效的动态压缩率分配算法，性能与之前的最先进水平相当或更优。