arXiv · cs.CL· Moonseok Choi·· 1 天前AI 评分29
SKIM：通过选择性知识感知掩码剪枝 LLM 智能体
SKIM: Pruning Large Language Model Agents via Selective Knowledge Informed Masking
来源与原文
arXiv · cs.CL
作者：Moonseok Choi
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07558v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
SKIM 是首个面向结构化生成下 LLM 智能体的剪枝与蒸馏框架，按 token 角色将位置划分为上下文、决策与格式三类，并据此设计类别感知剪枝显著性分数与 on-policy 蒸馏目标。在工具调用基准和多步智能体循环中，SKIM 在不同模型规模与稀疏度下均优于基线，高稀疏度场景优势尤为明显。该工作入选 NeurIPS 2026。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。