aimodel-pruning

使用 Wanda 和 SparseGPT 等剪枝技术减小大语言模型（LLM）规模并加速推理。适用于在不重新训练的情况下压缩模型，实现 50% 稀疏度且精度损失最小，或在硬件加速器上实现更快推理。涵盖非结构化剪枝、结构化剪枝、N:M 稀疏性、幅度剪枝以及一次性剪枝方法。

模型生成摘要（rules/v1 · 2026-11-14 15:01）：使用 Wanda 和 SparseGPT 等剪枝技术减小大语言模型（LLM）规模并加速推理
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-14 15:00	c0135fd3	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。