登录社区云，与社区用户共同成长
邀请您加入社区
在 Agent 系统里，Skill 可以理解为一种可版本化的能力包。它通常以一个目录存在，核心入口是 SKILL.md。这个文件包含元信息和任务指令，也可以配合参考文档、模板、示例和脚本一起使用。按照 Agent Skills 的设计，一个 Skill 大致可以分成三层：第一层是路由层，包括 name、description 和路径，用来帮助 Agent 判断当前任务是否适合调用这个 Skill；
本文详细介绍了Wanda剪枝技术在LLaMA-2 70B大模型上的实战应用，实现零成本模型压缩。通过单次前向传播即可完成剪枝，保留90%以上原始性能，并能在消费级GPU上运行。文章包含环境配置、核心原理、代码实现及性能对比，帮助开发者高效压缩大模型。
7B/13B原生FP16大模型显存占用动辄十几GB，云端推理成本高、本地消费级显卡无法部署。本文基于MIT/CMU顶会论文完整拆解量化、剪枝、蒸馏三大压缩技术数学底层逻辑；通过PyTorch仿真验证量化误差规律，补充AutoAWQ、LLM-Pruner、DistilLlama真实大模型可运行工程代码；
SparseGPT 不是全模型一起优化所有权重，而是逐层处理。第一，收集校准数据在当前层的输入激活。第二，对当前线性层计算近似 Hessian。第三，对该层权重做稀疏剪枝和误差补偿。第四，把剪枝后的输出继续传给下一层。第五，处理下一层。第一，内存可控。如果对整个 175B 模型同时构造二阶信息，完全不可行。逐层处理只需要当前层的激活统计和权重。第二，误差逐层传播更现实。剪完前一层后，后一层看到的是
本文是一份面向ACM/ICPC算法竞赛的C++17模板速查手册，涵盖了竞赛中常用的14大类算法模板与技巧。主要内容包括基础输入输出、数据结构、图论、动态规划、数学、字符串处理等核心算法，以及调试技巧和赛前检查清单。手册采用模块化设计，所有代码基于C++17标准，可直接用于竞赛环境。特别整理了从题面特征到算法选择的速查表，并强调正确性优先于代码美观性的竞赛原则。附有复杂度分析、整数范围提醒等实用内容
