GitHub · 去对齐工具与仓库·· 18 天前精选AI 评分57
Jyk-122 开源 MoE-Compressors:面向 MoE 大模型的免训练剪枝与专家跳过工具库
Jyk-122/MoE-Compressors
来源与原文
GitHub · 去对齐工具与仓库
发布时间:(北京时间)
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/Jyk-122/MoE-Compressors
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
Jyk-122 在 GitHub 发布 MoE-Compressors 仓库,实现面向 Mixture-of-Experts 架构 LLM 的免训练剪枝与专家跳过算法。剪枝含 frequency、ean、reap、camera、moei2 五种方法,skipping 含 topk_skip、topp_skip、sere_skip、modes_skip 四种,统一通过 run.py 的 calib 与 eval 两阶段调用,支持按 prune_ratio 或 k、threshold 等 JSON 参数配置,默认示例模型为 Qwen/Qwen3-30B-A3B-Instruct-2507,并可用 lm_eval 输出 runtime_routing 路由统计。
推荐理由
仓库统一封装了多种免训练 MoE 剪枝与专家跳过算法的校准和评测流程,想在本地压缩 MoE 模型可以直接复用。
来源:GitHub · 去对齐工具与仓库 · github.com