POP: Online-Strukturelles Pruning beschleunigt große Foundation-Modelle
Die neue Methode POP (Partition-guided Online Pruning) ermöglicht es, große Foundation‑Modelle (LFMs) während der Inferenz dynamisch zu optimieren. Durch kontextabhängiges, online‑gestütztes Pruning werden nur die wirklich relevanten Modellkanäle aktiv gehalten, während unwichtige Gewichte sofort entfernt werden – und das ohne zusätzlichen Rechenaufwand.
POP teilt die Modellkanäle in drei Bereiche: behalten, Kandidaten und entfernt. Zunächst wird ein grobes Pruning‑Schema festgelegt, das die dauerhaft wichtigen Gewichte schützt. Im Decodierungsprozess wird dann ein feinkörniges Maskierungs‑Pattern innerhalb der Kandidatenregion erzeugt, sodass nur die notwendigen Kanäle erneut ausgewertet werden. Dadurch entfällt die Notwendigkeit, komplette Kanäle neu zu prüfen.
Die Technik ist leichtgewichtig und plug‑and‑play: Sie erfordert keine Vorverarbeitung, Offline‑Kalibrierung, Retraining oder das Training von Pruning‑Predictoren. POP kann sofort in bestehende Modelle integriert werden und liefert eine effiziente, kontextabhängige Anpassung während der Laufzeit.
In umfangreichen Tests mit großen Sprachmodellen, Mixture‑of‑Experts‑Architekturen und Vision‑Language‑Modellen zeigte POP konsequent höhere Genauigkeiten als herkömmliche Pruning‑Ansätze. Gleichzeitig reduziert es die Rechenkosten und die Inferenzlatenz, was es zu einer attraktiven Lösung für die praktische Anwendung von LFMs macht.