Prune-Quantize-Distill: An Ordered Pipeline for Efficient Neural Network Compression
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhou, Longsheng, Shen, Yu |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
An Efficient Sparse Fine-Tuning with Low Quantization Error via Neural Network Pruning
par: Li, Cen-Jhih, et autres
Publié: (2025)
par: Li, Cen-Jhih, et autres
Publié: (2025)
SDMPrune: Self-Distillation MLP Pruning for Efficient Large Language Models
par: Zhu, Hourun, et autres
Publié: (2025)
par: Zhu, Hourun, et autres
Publié: (2025)
Efficient Mathematical Reasoning Models via Dynamic Pruning and Knowledge Distillation
par: Yu, Fengming, et autres
Publié: (2025)
par: Yu, Fengming, et autres
Publié: (2025)
LLM Pruning and Distillation in Practice: The Minitron Approach
par: Sreenivas, Sharath Turuvekere, et autres
Publié: (2024)
par: Sreenivas, Sharath Turuvekere, et autres
Publié: (2024)
IDEA Prune: An Integrated Enlarge-and-Prune Pipeline in Generative Language Model Pretraining
par: Li, Yixiao, et autres
Publié: (2025)
par: Li, Yixiao, et autres
Publié: (2025)
On the Compressibility of Quantized Large Language Models
par: Mao, Yu, et autres
Publié: (2024)
par: Mao, Yu, et autres
Publié: (2024)
PPC-GPT: Federated Task-Specific Compression of Large Language Models via Pruning and Chain-of-Thought Distillation
par: Fan, Tao, et autres
Publié: (2025)
par: Fan, Tao, et autres
Publié: (2025)
Automatic Joint Structured Pruning and Quantization for Efficient Neural Network Training and Compression
par: Qu, Xiaoyi, et autres
Publié: (2025)
par: Qu, Xiaoyi, et autres
Publié: (2025)
ComPEFT: Compression for Communicating Parameter Efficient Updates via Sparsification and Quantization
par: Yadav, Prateek, et autres
Publié: (2023)
par: Yadav, Prateek, et autres
Publié: (2023)
Pruning and Distilling Mixture-of-Experts into Dense Language Models
par: Kim, Junhyuck, et autres
Publié: (2026)
par: Kim, Junhyuck, et autres
Publié: (2026)
Compact Language Models via Pruning and Knowledge Distillation
par: Muralidharan, Saurav, et autres
Publié: (2024)
par: Muralidharan, Saurav, et autres
Publié: (2024)
SlimQwen: Exploring the Pruning and Distillation in Large MoE Model Pre-training
par: Tang, Shengkun, et autres
Publié: (2026)
par: Tang, Shengkun, et autres
Publié: (2026)
Structural Rationale Distillation via Reasoning Space Compression
par: Yang, Jialin, et autres
Publié: (2026)
par: Yang, Jialin, et autres
Publié: (2026)
KVSculpt: KV Cache Compression as Distillation
par: Jiang, Bo, et autres
Publié: (2026)
par: Jiang, Bo, et autres
Publié: (2026)
Efficient Post-training Quantization with FP8 Formats
par: Shen, Haihao, et autres
Publié: (2023)
par: Shen, Haihao, et autres
Publié: (2023)
Quantization Dominates Rank Reduction for KV-Cache Compression
par: Salfati, Samuel
Publié: (2026)
par: Salfati, Samuel
Publié: (2026)
Self-Distillation as a Performance Recovery Mechanism for LLMs: Counteracting Compression and Catastrophic Forgetting
par: Liu, Chi, et autres
Publié: (2026)
par: Liu, Chi, et autres
Publié: (2026)
Task-Circuit Quantization: Leveraging Knowledge Localization and Interpretability for Compression
par: Xiao, Hanqi, et autres
Publié: (2025)
par: Xiao, Hanqi, et autres
Publié: (2025)
Pruning Foundation Models for High Accuracy without Retraining
par: Zhao, Pu, et autres
Publié: (2024)
par: Zhao, Pu, et autres
Publié: (2024)
Earley-Driven Dynamic Pruning for Efficient Structured Decoding
par: Sun, Xintong, et autres
Publié: (2025)
par: Sun, Xintong, et autres
Publié: (2025)
Hybrid Linear Attention Done Right: Efficient Distillation and Effective Architectures for Extremely Long Contexts
par: Chen, Yingfa, et autres
Publié: (2026)
par: Chen, Yingfa, et autres
Publié: (2026)
BESA: Pruning Large Language Models with Blockwise Parameter-Efficient Sparsity Allocation
par: Xu, Peng, et autres
Publié: (2024)
par: Xu, Peng, et autres
Publié: (2024)
I-LLM: Efficient Integer-Only Inference for Fully-Quantized Low-Bit Large Language Models
par: Hu, Xing, et autres
Publié: (2024)
par: Hu, Xing, et autres
Publié: (2024)
LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit
par: Gong, Ruihao, et autres
Publié: (2024)
par: Gong, Ruihao, et autres
Publié: (2024)
Enhancing Delta Compression in LLMs via SVD-based Quantization Error Minimization
par: Xiong, Boya, et autres
Publié: (2025)
par: Xiong, Boya, et autres
Publié: (2025)
Projected Compression: Trainable Projection for Efficient Transformer Compression
par: Stefaniak, Maciej, et autres
Publié: (2025)
par: Stefaniak, Maciej, et autres
Publié: (2025)
Sink-Aware Pruning for Diffusion Language Models
par: Myrzakhan, Aidar, et autres
Publié: (2026)
par: Myrzakhan, Aidar, et autres
Publié: (2026)
Prompt Optimization with EASE? Efficient Ordering-aware Automated Selection of Exemplars
par: Wu, Zhaoxuan, et autres
Publié: (2024)
par: Wu, Zhaoxuan, et autres
Publié: (2024)
Prompt-prompted Adaptive Structured Pruning for Efficient LLM Generation
par: Dong, Harry, et autres
Publié: (2024)
par: Dong, Harry, et autres
Publié: (2024)
Text Quality-Based Pruning for Efficient Training of Language Models
par: Sharma, Vasu, et autres
Publié: (2024)
par: Sharma, Vasu, et autres
Publié: (2024)
Not All Experts are Equal: Efficient Expert Pruning and Skipping for Mixture-of-Experts Large Language Models
par: Lu, Xudong, et autres
Publié: (2024)
par: Lu, Xudong, et autres
Publié: (2024)
TabDistill: Distilling Transformers into Neural Nets for Few-Shot Tabular Classification
par: Dissanayake, Pasan, et autres
Publié: (2025)
par: Dissanayake, Pasan, et autres
Publié: (2025)
Efficiently Distilling LLMs for Edge Applications
par: Kundu, Achintya, et autres
Publié: (2024)
par: Kundu, Achintya, et autres
Publié: (2024)
EfficientQAT: Efficient Quantization-Aware Training for Large Language Models
par: Chen, Mengzhao, et autres
Publié: (2024)
par: Chen, Mengzhao, et autres
Publié: (2024)
Recovered in Translation: Efficient Pipeline for Automated Translation of Benchmarks and Datasets
par: Yukhymenko, Hanna, et autres
Publié: (2026)
par: Yukhymenko, Hanna, et autres
Publié: (2026)
LeanK: Learnable K Cache Channel Pruning for Efficient Decoding
par: Zhang, Yike, et autres
Publié: (2025)
par: Zhang, Yike, et autres
Publié: (2025)
Pruning Large Language Models by Identifying and Preserving Functional Networks
par: Liu, Yiheng, et autres
Publié: (2025)
par: Liu, Yiheng, et autres
Publié: (2025)
EPSD: Early Pruning with Self-Distillation for Efficient Model Compression
par: Chen, Dong, et autres
Publié: (2024)
par: Chen, Dong, et autres
Publié: (2024)
LazyLLM: Dynamic Token Pruning for Efficient Long Context LLM Inference
par: Fu, Qichen, et autres
Publié: (2024)
par: Fu, Qichen, et autres
Publié: (2024)
Adapt-Pruner: Adaptive Structural Pruning for Efficient Small Language Model Training
par: Pan, Rui, et autres
Publié: (2025)
par: Pan, Rui, et autres
Publié: (2025)
Documents similaires
-
An Efficient Sparse Fine-Tuning with Low Quantization Error via Neural Network Pruning
par: Li, Cen-Jhih, et autres
Publié: (2025) -
SDMPrune: Self-Distillation MLP Pruning for Efficient Large Language Models
par: Zhu, Hourun, et autres
Publié: (2025) -
Efficient Mathematical Reasoning Models via Dynamic Pruning and Knowledge Distillation
par: Yu, Fengming, et autres
Publié: (2025) -
LLM Pruning and Distillation in Practice: The Minitron Approach
par: Sreenivas, Sharath Turuvekere, et autres
Publié: (2024) -
IDEA Prune: An Integrated Enlarge-and-Prune Pipeline in Generative Language Model Pretraining
par: Li, Yixiao, et autres
Publié: (2025)