TWIG：把神经网络每个权重表示为共享离散决策路径
原文标题：Every Weight Is a Path of Shared Discrete Decisions
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 TWIG 权重表示，将每个权重写成由符号、二次幂移位、零门控与共享表索引组成的小型离散决策路径，上层决策被下层权重继承并只存储一次。该表示统一了剪枝、量化、低秩分解、码本与权重共享，并把决策选择转化为高阶玻尔兹曼机基态问题。在大模型五个权重矩阵上，3/4 比特下比 GPTQ 减少 9–15% 加法，强离群矩阵上减少 20–55%。
- 问题
- 剪枝、量化、低秩等压缩方法格式与求解器各自为政，难以统一优化。
- 方法
- 把每个权重表示为共享上层决策的离散路径，统一各类压缩并转化为高阶玻尔兹曼机基态问题。
- 结果
- 大模型五个权重矩阵上，3/4 比特下比 GPTQ 减少 9–15% 加法，强离群矩阵减少 20–55%。
- 影响
- 为权重格式与硬件电路协同设计提供统一抽象，压缩工具链有望合并为一个优化器。
深读 · 结论先行AI 生成展开看要点与影响 ↓
TWIG 把每个权重写成共享的离散决策路径，3/4 比特下比 GPTQ 少 9–15% 加法。
- •每个权重由符号、二次幂移位、零门控、共享表索引组成，上层决策被下层权重继承且只存一次
- •统一剪枝、量化、低秩分解、码本与权重共享，一个优化器可在全网范围内选择
- •决策选择被转化为高阶玻尔兹曼机基态问题，对应退火机与量子优化器擅长的题型
- •大模型五个权重矩阵上，3/4 比特比 GPTQ 减少 9–15% 加法，强离群矩阵上减少 20–55%
- •当决策取二次幂时，权重层几乎只由连线与加法器构成，适合制造时权重固定的芯片
为什么重要：把原本各自为政的压缩方法收进一个表示，对做量化部署和固定权重芯片的人都直接相关。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。