общество семья Apache крипто токен

Новый метод Concertina позволил уменьшить нейросеть Qwen3-4B в два раза для запуска на слабом железе

Исследователи предложили способ сжать большую языковую модель почти вдвое и сохранить около 85% ее качества, не тратя ресурсы на обучение с полного нуля.

Полученная модель на 2,27 млрд параметров прошла дистилляцию всего на 22 млрд токенов, но в среднем уже обходит Qwen3-1.7B, которую учили на 36 трлн токенов (то есть на объеме данных в 1 600 раз больше).Метод назвали Concertina, от англ. «концертина» — вид небольшой гармошки, а не чего-то «конкретного».

DMCA