首尔国立大学等发布免训练剪枝方法 LayerTrim

2026年10月16日，首尔国立大学联合纽约大学（NYU）与南加州大学（USC）发布免训练结构化剪枝方法 LayerTrim，面向推理型语言模型。据报道，该方法通过识别并删除模型中冗余的 decoder 层，同时对 MLP 特征进行选择性裁剪，并保留注意力结构与 decoder 深度，以在压缩模型的同时尽量避免损伤长链推理能力。报道称 LayerTrim 保住了推理型语言模型在 AIME 等长链推理任务上的能力，并能降低推理成本、缩短生成长度。目前公开报道仅介绍方法本身与其在长链推理任务上的效果，未提及其他机构的复现或后续落地进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。