Início Projetos SVD-LLM
SVD-LLM
Python

SVD-LLM

[ICLR 2025🔥] SVD-LLM & [NAACL 2025🔥] SVD-LLM V2

por AIoT-MLSys-Lab · GitHub
Estrelas
Forks
Tendências
Licença
Criado
Último commit
Linguagem
efficient-modelsgenerative-ailarge-language-modelsApache-2.0Python
Ver no GitHub
Em palavras simples

Comprimir grandes modelos de linguagem para torná-los mais eficientes para uso em aplicações.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
SVD-LLM — GitHub preview card
📈 Histórico de estrelas
303301
2026-07-202026-08-17
📈 Acompanhe SVD-LLM

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

[ICLR 2025🔥] SVD-LLM & [NAACL 2025🔥] SVD-LLM V2

SVD-LLM tem 303 estrelas no GitHub. Foi bifurcado 47 vezes. SVD-LLM é escrito principalmente em Python. Está em desenvolvimento ativo desde 2024. SVD-LLM está disponível sob a licença Apache-2.0. Os seus principais temas são: efficient-models, generative-ai, large-language-models, model-compression.

Frequently asked questions

O que é SVD-LLM?

[ICLR 2025🔥] SVD-LLM & [NAACL 2025🔥] SVD-LLM V2

SVD-LLM é de código aberto?

SVD-LLM é um projeto de código aberto. É distribuído sob a licença Apache-2.0.

SVD-LLM é gratuito?

Sim. SVD-LLM é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está SVD-LLM?

SVD-LLM está disponível sob a licença Apache-2.0.

Em que linguagem SVD-LLM está escrito?

SVD-LLM é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — SVD-LLM

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=aiot-mlsys-lab-svd-llm)](https://olud.ai/project/aiot-mlsys-lab-svd-llm.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.