Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Zeroth-Order Adaptive Neuron Alignment Based Pruning without Re-Training

Created by
  • Haebom
Category
Empty

저자

Elia Cunegatti, Leonardo Lucio Custode, Giovanni Iacca

개요

본 논문은 사전 훈련된 모델의 계산 비용을 줄이기 위해 파라미터의 부분 집합을 제거하는 네트워크 가지치기 알고리즘에 대해 다룹니다. 특히, 재훈련 없이 사전 훈련된 모델의 활성화를 활용하여 희소 모델을 생성하는 "NeuroAl" 알고리즘을 제안합니다. NeuroAl은 블록별 및 행별 희소성을 수정하여 활성화 간의 뉴런 정렬을 최대화합니다. 다양한 LLM 모델과 언어 작업에 대해 테스트하여 성능-런타임 트레이드 오프 측면에서 최신 SOTA 방법보다 우수함을 입증합니다.

시사점, 한계점

•
시사점:
◦
재훈련 없이 사전 훈련된 모델을 기반으로 희소 모델을 생성하여 계산 비용을 절감합니다.
◦
뉴런 정렬을 극대화하여 성능을 유지합니다.
◦
블록별 및 행별 희소성 비율을 모델과 원하는 희소성에 맞게 적응적으로 선택합니다.
◦
다양한 LLM 모델과 언어 작업에서 SOTA 성능을 달성합니다.
•
한계점:
◦
논문에 구체적인 한계점 정보가 제시되지 않았습니다.
👍
Made with Slashpage