热点事件持续更新

研究团队提出Transformer深度剪枝方法J-BI

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

2026年11月3日，研究人员在arXiv发表论文，提出结合Jacobian Lens（J-Lens）的Transformer深度剪枝评分方法J-BI。该方法旨在解决传统Block Influence（BI）仅衡量局部冗余而忽视下游影响的缺陷，通过将层扰动映射至最终残差流进行评估。测试结果显示，在保持相同稀疏度的条件下，J-BI使得Qwen3-8B、Llama-3.1-8B-IT和Gemma-3-12B-IT剪枝后的准确率较BI最高提升19个百分点，并显著减少了对模型困惑度的损伤。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

13:00
arXiv 机器学习
输出感知块影响：用于深度剪枝的 Jacobian-Lens 加权方法
研究者提出结合 Jacobian Lens（J-Lens）的深度剪枝评分方法 J-BI，通过将层扰动映射至最终残差流，解决传统 Block Influence（BI）仅衡量局部冗余而忽视下游影响的问题。在相同稀疏度下，J-BI 使 Qwen3-8B、Llama-3.1-8B-IT 和 Gemma-3-12B-IT 的剪枝后准确率较 BI 最高提升 19 个百分点，同时显著减少了对模型困惑度的损伤。

本事件热度走势

当前热度 7·可比范围峰值 9（11月3日 17:00）·近 24 小时可比范围变化–

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。