LuanVan.vnLuận Văn
Gửi thư

Enhancing Large Language Models Performance via Structured Pruning and Knowledge Distillation

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảPhan Hoàng Nam
Người hướng dẫnNgô Văn Linh
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu và thiết kế khung cắt tỉa có cấu trúc ba cấp nhằm giảm độ phức tạp của mô hình ngôn ngữ lớn trong khi vẫn duy trì chất lượng xử lý ngôn ngữ. Phân tích thực trạng các mô hình ngôn ngữ lớn yêu cầu tài nguyên tính toán và bộ nhớ rất cao, gây khó khăn cho triển khai trên các hệ thống hạn chế phần cứng. Đề xuất giải pháp cắt tỉa ở mức phần tử, mức lớp và mức khối kết hợp chưng cất tri thức lai giúp truyền tải tri thức từ mô hình lớn sang mô hình đã được thu gọn. Kết luận khẳng định phương pháp đạt hiệu quả nén tham số cao, duy trì trên chín mươi phần trăm độ chính xác và cải thiện tốc độ suy luận trong môi trường tài nguyên hạn chế.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.