[论文] Your Transformer Is Secretly Elastic

研究领域: ML 作者: Walter Simoncini, Dheeraj Varghese, Gertjan J. Burghouts, Cees G. M. Snoek 发布时间: 2026-10-14 arXiv: 2610.20588

目录
  1. 论文概要
  2. 中文摘要
  3. 原文摘要

论文概要

研究领域: ML 作者: Walter Simoncini, Dheeraj Varghese, Gertjan J. Burghouts, Cees G. M. Snoek 发布时间: 2026-10-14 arXiv: 2610.20588

中文摘要

Transformer的规模化产生了具有广泛能力的模型,部署在异构硬件和波动的工作负载上。然而,模型家族仅提供少数固定尺寸(如S、B、L),迫使用户基于硬件和延迟约束做出选择。这种刚性在变化的查询负载下往往并非最优。我们引入一种无需重训练的方法,将预训练Transformer弹性化为单一模型,可在连续计算预算范围内自适应调整。我们的核心贡献是函数单元排序问题的可微松弛:与以往工作不同(它们仅为每个MLP块或注意力头优化单一重要性权重),我们在共同尺度上联合排序每个单独的MLP神经元和注意力头,通过同时在多个稀疏目标下最小化软剪枝的模型损失来实现。在27个从22M到8B参数的视觉和文本Transformer编码器上,我们的方法在高达60%稀疏度下实现平滑退化,并在深度剪枝下优于一次性基线。例如,将DINOv3 ViT-H+/16剪枝到50%稀疏度可移除4.27亿参数,而ImageNet-1k线性探测准确率仅下降0.8%,无需权重校正或重训练。在60%稀疏度下,剪枝后的AugReg ViT-B/16模型在A100 GPU上实现高达1.80倍的吞吐量和1.26倍的更低单查询延迟。弹性模型在几分钟内生成,构建时间随参数数量亚线性增长。

原文摘要

Scaling up transformers has produced models with broad capabilities, deployed across heterogeneous hardware and fluctuating workloads. Yet, model families offer only a few fixed sizes (e.g., S, B, L), forcing users to commit to a model based on hardware and latency constraints. This rigidity is often suboptimal under varying query loads. We introduce a retraining-free method that elastifies pre-trained transformers into a single model that adapts on-the-fly across a continuum of computational budgets. Our key contribution is a differentiable relaxation of the functional unit-ranking problem: unlike prior work, which optimizes a single importance weight per MLP block or attention head, we rank every individual MLP neuron and attention head jointly, on a common scale, by minimizing the model...


*自动采集于 2026-10-16*

#论文 #arXiv #ML #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论

本文标签

合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens