一个名为AutoCompress的新框架已被开发出来,用于在遵守特定硬件和性能约束的同时,自动压缩大型语言模型(LLM)。这种硬件引导的方法使用可微分架构搜索和成本模型来创建异构LLM架构,以满足延迟、吞吐量和内存要求,而不会牺牲准确性。AutoCompress在准确性方面比现有方法在各种基准测试和硬件(包括Nvidia GPU)上都显示出显著的改进。 AI
影响 该框架可以实现LLM在不同硬件上更高效的部署,降低各种应用的成本和延迟。
排序理由 该集群描述了一篇关于LLM压缩新颖框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →