研究提出基于等价类的神经网络压缩方法
Start here
2026年11月6日，研究人员在 arXiv 机器学习板块发表题为《基于等价类的神经网络压缩：精确规范与函数率失真》的论文，提出一种利用神经网络表示自由度进行模型压缩的方法。该方法通过搜索保持函数不变的变换或引入受控微扰，以降低模型的存储体积。在 SmolLM2 和 Qwen3 模型上的实验表明，该方法可使经 Zstandard 压缩后的检查点体积最多缩减 23.4%；同时，在 gzip、Brotli 和 ZipNN 等压缩工具下，该方法也取得了相似的相对压缩收益。
AI-generated from reports · Updated 5 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习基于等价类的神经网络压缩：精确规范与函数率失真
研究人员提出一种利用神经网络表示自由度进行模型压缩的方法，通过搜索保持函数不变的变换或受控微扰来降低存储体积。在 SmolLM2 和 Qwen3 上的实验显示，该方法使 Zstandard 压缩后的检查点大小最多缩减 23.4%，且在 gzip、Brotli 和 ZipNN 下也获得了相似的相对压缩收益。
Story heat trend
Current heat 9·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.