Learnable Subspace Projections

新方法学习子空间以实现有效的神经网络压缩

研究人员开发了一种名为可学习子空间投影（LSP）的新方法来压缩神经网络，特别是Transformer。与使用局部标准的先前技术不同，LSP针对全局目标（如与原始模型输出分布的KL散度或训练损失）进行端到端子空间优化。这种方法通过防止网络深度中的误差累积，实现了更有效的压缩，尤其是在更高压缩率下。LSP在OPT、Qwen3、Llama-2和ViT-B/16等模型上表现出优越的性能，在显著的压缩水平下实现了比基线方法更好的困惑度和准确性。