logo
WangZongwu
NEWS LETTER

端侧大模型技术演进与前瞻-模型压缩与轻量化设计的深度综述

Scroll down
Other Articles
Tool
UV 配置国内镜像源详细教程
  • 26/03/02
  • 09:49
Architecture
A Case for Exploiting Subarray-Level Parallelism (SALP) in DRAM
  • 26/02/27
  • 09:49
Article table of contents TOP
  1. 1. 1. 核心主题与范畴界定：边缘智能的范式转移
  2. 2. 2. 关键技术分类与对比分析：通往高效智能的多重路径
    1. 2.1. 2.1 路径一：模型轻量化设计（SLMs）——原生结构的极致探索
    2. 2.2. 2.2 路径二：模型压缩技术——后处理时代的能量密度论证
    3. 2.3. 2.3 路径三：推理加速与运行时优化——压榨每一分硬件潜力
    4. 2.4. 2.4 路径四：端-云协同智能——智能流动的动态平衡
  3. 3. 3. 应用场景与案例研究：从实验室走向现实
    1. 3.1. 3.1 典型案例一：移动端多模态实时助手（MiniCPM-V）
    2. 3.2. 3.2 典型案例二：端到端自动驾驶智能决策（Waymo EMMA）
    3. 3.3. 3.3 典型案例三：受限环境下的 Agent 交互（AgentCPM-Explore）
  4. 4. 4. 未来挑战与研究方向：跨越端侧落地的“死亡之谷”
    1. 4.1. 4.1 能力密度：对抗“深度诅咒”与参数效率上限
    2. 4.2. 4.2 硬件适配性：从通用算力向“端侧原生”演进
    3. 4.3. 4.3 知识继承：鲁棒的连续学习与灾难性遗忘
    4. 4.4. 4.4 技术成熟度：标准化基准与生态闭环
  5. 5. 5. 结论
Please enter keywords to search
  • to close