热点事件持续更新
SliMOO：面向LLM深度剪枝的多目标进化搜索
1 篇报道1 个报道来源21 小时前更新
先了解这件事
AI 综述
2026年10月20日，arXiv cs.AI/cs.LG 发布 SliMOO，一种面向大语言模型深度剪枝的可解释多目标进化搜索框架。报道称，该方法通过单层移除探测构建任务-层重要性图，并用 Pareto 感知的进化搜索生成剪枝掩码。实验覆盖 Llama-3.1 与 Qwen3 系列，称其多任务权衡优于规则、贪心及标量化基线；在 Llama-3.1-70B 的 25% 稀疏度下，数学域平均由 24.33% 升至 34.40%，代码域平均由 35.03% 升至 39.14%。目前报道仅涉及该预印本，尚无后续进展。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 16:05
SliMOO公布Llama-3.1-70B在25%稀疏度下数学域平均34.40%、代码域平均39.14%，优于基线。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv cs.AI / cs.LG 最新SliMOO：面向 LLM 深度剪枝的可解释多目标进化搜索
SliMOO 提出面向 LLM 深度剪枝的可解释多目标进化搜索框架，用单层移除探测构建任务-层重要性图，并以 Pareto 感知进化搜索生成剪枝掩码。该框架在 Llama-3.1 和 Qwen3 系列上取得优于规则、贪心及标量化基线的多任务权衡；在 Llama-3.1-70B 的 25% 稀疏度下，数学域平均由 24.33% 升至 34.40%，代码域平均由 35.03% 升至 39.14%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。