Chengjie Hong

新的SAFE-SVD方法在保持精度的同时压缩物理基础模型

研究人员开发了SAFE-SVD，一种用于物理基础模型（PFM）的新型压缩框架，解决了在保持物理保真度的同时减少内存使用和加速推理的关键需求。与通常因物理数据导数敏感性而降低精度的传统方法不同，SAFE-SVD在输出函数空间中显式地建模层敏感性。这种方法可以在保持精度的同时实现显著更高的压缩率，有可能在AI for Science领域实现更高效、更可持续的科学基础模型。