LLMs can Compress LLMs: Adaptive Pruning by Agents

Share
LLMs can Compress LLMs: Adaptive Pruning by Agents

TL;DR

An LLM acts as a coach to prune another LLM, shrinking it ~45% while preserving key knowledge and accuracy.

Traditional pruning uses fixed rules and often wipes out facts. This paper lets a foundation model adaptively choose which layers to trim each round. It reads layer sensitivity snapshots—combining weight–activation cues (à la Wanda) with gradient importance—normalized for easy comparison. The agent self-reflects on past pruning outcomes and adjusts. If quality (perplexity) drops too much, a rollback restores the last good checkpoint.

  • Results on Qwen3 4B/8B at ~45% sparsity: 56% relative better MMLU accuracy vs structured pruning, 19× stronger factual retention on FreebaseQA, and 69% less perplexity degradation.
  • No retraining, model-agnostic, and only 2–4 rollbacks across 21–40 iterations.

Takeaway: foundation models can intelligently compress other foundation models—cutting costs without gutting knowledge.

Paper by Sai Varun Kodathala and Rakesh Vunnam. Link: https://arxiv.org/abs/2601.09694v1

Paper: https://arxiv.org/abs/2601.09694v1

Register: https://www.AiFeta.com

AI LLM ModelCompression Pruning SparseML MMLU Qwen Factuality Efficiency NLP

Read more

Kielimallit tekevät vaatimuskysymyksiä eri tyyleillä – ja tyyli riippuu käyttötarkoituksesta

Kielimallit tekevät vaatimuskysymyksiä eri tyyleillä – ja tyyli riippuu käyttötarkoituksesta

Uusi vertailu näyttää, että tekoälyn tapa muotoilla järjestelmävaatimuksia luonnollisen kielen kysymyksiksi vaihtelee mallin ja aiheen mukaan. Siksi tärkeintä ei ole valita ”parasta” mallia, vaan tilanteeseen sopiva. Kuvitellaan tuttu kokous: pöydän ääressä yritetään päättää, mitä uuden tietojärjestelmän pitää pystyä tekemään. Syntyy lista kysymyksiä, joihin järjestelmän on osattava vastata. Esimerkiksi: ”Mitkä lääkkeet

By Kari Jaaskelainen
Julkaistu ajattelu voidaan jo purkaa tekoälyksi

Julkaistu ajattelu voidaan jo purkaa tekoälyksi

Kun tutkija jättää työpöytänsä, hänen äänensä ei välttämättä vaikene. Pelkistä julkaisuista voidaan jo rakentaa tekoäly, joka ohjaa väitöskirjaa, arvioi artikkeleita ja väittelee paneelissa – uskottavasti. Useimmat meistä ajattelevat tutkimusartikkeleita kirjastoiksi: hyllyriveiksi ajatuksia, joihin muut voivat palata. Uusi arXivissa julkaistu esityspaperi ehdottaa toisenlaista kuvaa. Julkaisut ovatkin rakennuspiirustuksia, joista voidaan koota tekijänsä ajattelutapa

By Kari Jaaskelainen
Konferenssien suunta ei ole pakko syntyä suljettujen ovien takana

Konferenssien suunta ei ole pakko syntyä suljettujen ovien takana

Moni tietää tunteen seminaarin päätteeksi: ohjelma oli kiinnostava, mutta kuka päätti, mistä puhuttiin ja mistä ei? Usein vastaus on pieni ohjelmakomitea, joka tekee valinnat ennakkoon. Yleisö kuuntelee, harva vaikuttaa. Eräässä tekoälyn yhteiskunnallisia vaikutuksia käsittelevässä kansainvälisessä konferenssissa kokeiltiin toisenlaista tapaa. Osallistujat eivät vain tulleet paikalle – he auttoivat muokkaamaan itse tilaisuuden suuntaa.

By Kari Jaaskelainen