待验证50% 置信概念精确时间
剪枝通过移除对输出贡献较小的神经元或注意力头来压缩模型规模。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证神经纹理压缩（Neural Texture Compression）将材质贴图编码为神经网络的隐式表示，在减少显存占用的同时保留更多细节72% 相似已验证卷积神经网络（CNN）受视觉皮层结构启发，通过卷积核在图像上滑动提取局部特征，参数共享机制大幅降低计算量68% 相似待验证图像识别中浅层神经元响应边缘纹理等低级特征，深层神经元对整体概念做出反应67% 相似待验证该工作流通过稀疏注意力和低显存模式（分块处理和注意力机制优化）支持在显存有限设备上运行66% 相似已验证Transformer架构的注意力机制中，序列长度增加时早期token的注意力得分在softmax归一化后被后续token稀释，形成注意力沉没效应65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018057API
curl https://kongchang.com/api/v1/knowledge/claims/1018057MCP
get_claim(id=1018057)