2025年大模型剪枝结构化稀疏(含答案与解析).docx

2025年大模型剪枝结构化稀疏(含答案与解析).docx

  1. 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
  2. 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  3. 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

2025年大模型剪枝结构化稀疏(含答案与解析)

一、单选题(共15题)

1.以下哪项技术通常用于减少大模型的参数数量,同时保持模型性能?

A.参数高效微调(LoRA/QLoRA)

B.模型并行策略

C.结构剪枝

D.知识蒸馏

2.在大模型剪枝中,以下哪种方法可以显著减少计算量和存储需求?

A.稀疏激活网络设计

B.分布式训练框架

C.持续预训练策略

D.对抗性攻击防御

3.大模型剪枝后,如何评估模型的性能?

A.通过困惑度/准确率

B.通过伦理安全风险

C.通过偏见检测

D.通过内容安全过滤

4.在剪枝过程中,以下哪种方法可以防止模型性能的显著下降?

A.

文档评论(0)

xxedts + 关注
实名认证
内容提供者

照片是关于秘密的秘密,它告诉你的越多你知道得就越少

1亿VIP精品文档

相关文档