热点事件持续更新
研究者提出大模型低秩条件计算方法LRCC
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月8日，arXiv发布的研究提出了一种名为LRCC（低秩条件计算）的大模型压缩方法。该方法通过在每个Transformer块中训练轻量路由，动态选择嵌套低秩路径，从而实现token级别的计算分配。训练期间，模型的低秩因子保持冻结，仅需优化路由参数。测试结果显示，在相同的平均活跃参数预算下，LRCC在Llama-2-7B模型上的平均下游准确率相比静态低秩压缩提升了7.6个百分点。
AI 根据报道生成 · 5 小时前更新
最新进展10月8日 12:00
研究者提出LRCC方法，通过轻量路由动态分配计算，显著提升Llama-2-7B压缩后的下游表现。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 自然语言处理LRCC：通过条件计算泛化大模型低秩压缩
研究者提出 LRCC（低秩条件计算），通过在每个 Transformer 块中训练轻量路由动态选择嵌套低秩路径，实现 token 级别的计算分配。训练期间低秩因子保持冻结且仅优化路由，在相同平均活跃参数预算下，LRCC 在 Llama-2-7B 上比静态低秩压缩提升了 7.6 个百分点的平均下游准确率。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8日 13:00）·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。