arXiv · 24.06.2026 ·Машинное обучение

HiReLC: иерархическое обучение с подкреплением для сжатия нейросетей

Исследователи представили HiReLC — фреймворк для автоматизированной оптимизации глубоких нейронных сетей, объединяющий квантование и структурную обрезку (pruning). Система использует иерархическое обучение с подкреплением, разделяя задачу на уровни абстракции. Это позволяет эффективно подбирать конфигурации битности и параметры прореживания для каждого блока сети, минимизируя потери точности при значительном сокращении вычислительных затрат.

Метод декомпозирует процесс поиска оптимальной архитектуры на два уровня. Низкоуровневые агенты (LLA) работают независимо на уровне отдельных блоков, выбирая настройки для каждого ядра в многомерном пространстве действий. Высокоуровневый агент координирует работу LLA, обеспечивая глобальную оптимизацию всей модели. Такой подход позволяет адаптировать сжатие под конкретные аппаратные ограничения, не требуя ручного подбора гиперпараметров для каждого слоя.

Применение иерархической структуры решает проблему огромного пространства поиска, характерную для совместной оптимизации квантования и прунинга. Традиционные методы часто требуют значительных вычислительных ресурсов для поиска оптимальных параметров, тогда как HiReLC за счет распределенной агентной архитектуры ускоряет процесс и повышает качество итоговой сжатой модели.

Ключевые факты

HiReLC использует иерархическую систему обучения с подкреплением для одновременного квантования и прунинга нейросетей.
Низкоуровневые агенты (LLA) отвечают за выбор конфигураций на уровне отдельных блоков, работая в многомерном дискретном пространстве действий.
Фреймворк автоматизирует подбор битности и коэффициентов обрезки, что снижает потребность в ручной настройке архитектуры.
Метод направлен на создание компактных моделей, пригодных для развертывания на устройствах с ограниченными вычислительными мощностями.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · Машинное обучение Автоматизация проектирования нейросетей для граничных вычислений Разработчики представили подход к автоматизированному поиску архитектур нейронных сетей (NAS), оптимизированный для работы на устройствах с ограниченными вычислительными ресурсами. Технология позволяет автоматически подбирать структуру модели так, чтобы она сохраняла высокую точность при минимальных требованиях к оперативной памяти и энергопотреблению. Это решает проблему переноса тяжелых моделей на оборудование уровня Edge AI, где использование стандартных архитектур часто невозможно из-за жестких ограничений по железу. arXiv · Машинное обучение Новый метод прунинга для оптимизации Transformer-моделей Исследователи представили метод Complementary Attention Head Pruning (CAHP), направленный на повышение эффективности архитектуры Transformer. Основная проблема современных LLM заключается в избыточном количестве параметров, что затрудняет их развертывание на устройствах с ограниченными вычислительными ресурсами. Существующие подходы к сжатию моделей часто опираются на градиентный анализ важности весов или стохастическое гейтирование, которые не всегда обеспечивают оптимальный баланс между скоростью работы и качеством генерации. The latest research from Google · Модели и релизы TurboQuant: алгоритмы для сверхкомпактных моделей Исследователи Google DeepMind представили TurboQuant — набор алгоритмов для экстремальной компрессии нейросетей. Технология позволяет сократить размер модели в 10–100 раз без потери точности, что критически важно для локального развёртывания ИИ-агентов. arXiv · Машинное обучение Оптимизация гиперпараметров в физически информированных нейросетях Исследователи представили новый подход к обучению физически информированных нейронных сетей (PINNs), предназначенных для решения дифференциальных уравнений в частных производных. Основная сложность таких моделей заключается в нестабильной сходимости и высокой чувствительности к выбору гиперпараметров, что вызвано невыпуклой структурой функции потерь, включающей множество физических ограничений. arXiv · Машинное обучение Квантовые коммуникации для распределенного обучения нейросетей Исследователи представили новый метод оптимизации распределенного обучения моделей, основанный на принципах квантовых коммуникаций. В центре внимания оказался алгоритм Ring All-Reduce, который является стандартом для синхронизации градиентов между узлами при обучении нейросетей на кластерах. Использование квантовых каналов связи позволяет существенно снизить объем передаваемых данных между вычислительными узлами, сохраняя при этом высокую точность синхронизации параметров. Hacker News · Инфраструктура для агентов Инструменты профилирования CUDA для оптимизации инференса в продакшене Разработчики систем машинного обучения получили новый подход к мониторингу производительности GPU при работе с нейросетями в реальном времени. Основная сложность при запуске моделей в продакшене заключается в поиске «узких мест», которые возникают на уровне низкоуровневых операций CUDA. Традиционные инструменты часто требуют остановки процессов или сложной настройки окружения, что делает их непригодными для высоконагруженных систем. Hacker News · Инференс и железо Глубокое погружение в целочисленную квантование нейросетей Целочисленное квантование (Integer Quantization) остается ключевым методом оптимизации нейронных сетей для работы на устройствах с ограниченными вычислительными ресурсами. Технология позволяет перевести веса и активации модели из формата с плавающей запятой в целые числа, что значительно снижает требования к оперативной памяти и ускоряет выполнение операций на процессорах и ускорителях. Hacker News · Машинное обучение Ускорение оптимизации ядер Helion с помощью LLM Команда PyTorch представила новый подход к автоматической настройке (autotuning) вычислительных ядер Helion, используемых в высокопроизводительных вычислениях. Ранее процесс подбора оптимальных параметров для этих ядер занимал минуты из-за необходимости перебора огромного пространства конфигураций. Использование языковых моделей позволило сократить время оптимизации до нескольких секунд, сохраняя при этом высокую эффективность выполнения операций. Hacker News · Инфраструктура для агентов Deltatensors: новый способ хранения дообученных весов моделей через сжатые дельты Библиотека Deltatensors предлагает оптимизированный подход к хранению и распространению дообученных весов нейросетей. Вместо сохранения полных копий модели, инструмент вычисляет и сжимает разницу (дельты) между базовыми весами и весами после fine-tuning. Это позволяет значительно сократить объем дискового пространства, необходимого для версионирования и обмена специализированными моделями в агентных системах и пайплайнах разработки. arXiv · Исследования и наука Новая архитектура для ускорения генеративного улучшения речи Исследователи представили архитектуру для улучшения качества речи, основанную на методе Flow Matching. В отличие от традиционных U-Net моделей, новый подход исключает пропускные соединения (skip-connections) и использует выравнивание латентных представлений. Это позволяет значительно сократить количество итераций при генерации, обеспечивая высокую скорость обработки, необходимую для работы систем в режиме реального времени.

← Все материалы