Microsoft baru-baru ini merilis metode kompresi model bahasa besar baru yang disebut SliceGPT. Teknologi ini dapat secara signifikan mengurangi ukuran parameter model bahasa besar sambil mempertahankan kinerjanya. Dengan mengganti matriks bobot secara cerdik, SliceGPT mencapai tingkat kompresi parameter hingga 25% tanpa memengaruhi efisiensi komputasi. Langkah ini sangat penting untuk menerapkan model bahasa besar pada perangkat dengan sumber daya terbatas dan menandai terobosan besar dalam peningkatan efisiensi teknologi kecerdasan buatan. Hal ini akan sangat memperluas cakupan penerapan model bahasa besar dan memberikan kemudahan bagi lebih banyak pengembang dan pengguna.
Microsoft meluncurkan SliceGPT, metode kompresi model bahasa besar yang baru. Dengan mengganti matriks bobot dan mempertahankan invariansi komputasi, SLICE GPT dapat mengurangi parameter model bahasa yang besar hingga 25% sekaligus mempertahankan performa. Metode ini cocok untuk berbagai model jaringan konverter dan memiliki prospek penerapan yang luas pada perangkat dengan sumber daya terbatas.
Kemunculan SliceGPT memberikan cara efektif untuk memecahkan masalah penerapan model bahasa berskala besar. Di masa depan, kita dapat menantikan munculnya lebih banyak teknologi serupa untuk lebih mendorong pemasyarakatan dan pengembangan teknologi kecerdasan buatan, sehingga memungkinkan teknologi AI memberikan manfaat bagi lebih banyak bidang dan masyarakat. Hal ini akan membawa vitalitas baru pada bidang kecerdasan buatan, dan penerapan serta pengembangan selanjutnya patut dinantikan.