待验证50% 置信事实精确时间

剪枝直接移除部分权重或神经元，改变网络的稀疏结构。

1

来源数

50%

置信度

长期有效

时效性

2026/10/21

首次发现

来源

ACE-Compression：压缩大模型的能力画像新评估框架

涉及实体

相关事实

待验证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。77% 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% 相似待验证现有结构化剪枝方法通常在 MLP 块或注意力头级别分配重要性权重并排序，粒度较粗，会丢失 MLP 块内部不同神经元重要性差异的信息。68% 相似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67% 相似待验证默认模式网络主要包括内侧前额叶皮层、后扣带皮层和楔前叶等区域65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1079508

API

curl https://kongchang.com/api/v1/knowledge/claims/1079508

MCP

get_claim(id=1079508)