跳到正文
热点事件观察中

隆德大学与Google DeepMind提出仅前向LLM自适应方法

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

隆德大学与 Google DeepMind 提出一种基于仅前向传播的大语言模型自适应方法,无需反向传播即可在推理过程中动态调整模型权重。 该方法利用奇异值分解(SVD)分量引起的激活角度集中度差异进行权重裁剪。在 GPT-J、LLaMA2 等模型上的测试显示,其实现了比 LASER-Grad 更低的峰值内存占用和更高的加速比,且准确率相当。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. 机器之心
    NeurIPS 2026 | LLM 如何在推理中通过仅前向传播实现自适应进化

    隆德大学与 Google DeepMind 提出一种基于仅前向传播的 LLM 自适应方法,无需反向传播即可在推理过程中动态调整模型。该方法利用 SVD 分量引起的激活角度集中度差异进行权重裁剪,在 GPT-J、LLaMA2 等模型上实现了比 LASER-Grad 更低的峰值内存和更高的加速比,且准确率相当。

本事件热度走势

可比范围当前
4
可比范围峰值
1011月20日 19:00
近 24 小时变化
-50%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。