LLM 压缩之二: ShortGPT

0. 资源链接

• 论文: https://arxiv.org/pdf/2403.03853

• 项目代码: 待开源

1. 背景动机

现有的大语言模型 LLM 推理存在以下问题：

• LLM 模型因为 scale law 极大的提高模型的预测能力，但是同样带来较大的推理延时；对于 LLM 应用部署带来较大的挑战。

• 目前的大模型加速的方法主要分为量化和压缩两种，目前量化和压缩一般需要训练以恢复模型精度，尤其量化较低比特时。

2. 内容提要

• 通过分析大模型存在的冗余性，发现在模型深度的维度存在大量的冗余；可以通过简单的去除冗余层来加速。

• 本文提出了一个 BI score 的指标来表征层的重要性，基于 BI score，本文提出一个简单的深度剪枝方法。

• 

3. 技术细节

• BI score 计算公式：

• 

• 层冗余分析：

• 

• 

• Layer 剪枝

  • 基于 BI score 排序，减去 BI score 小的层。

4. 实验分析

5. 一些思考

• ShortGPT 给大模型剪枝提供了一个新视角，对后续的剪枝算法有较大启发。

• ShortGPT 目前还比较简单，后续应该会有更多的工作出现，优化当前的方案。