本文提出了一种基于进化算法(EA)的神经网络架构搜索方法search-llm，用于高效裁剪大语言模型。该方法通过权重重要性计算初始化子网结构，利用改进的掩码变异算法进行全局搜索，并采用ADMM重构算法仅需少量样本即可优化权重。实验表明，search-llm能在保持原始模型性能的同时实现推理加速，且无需完整重训练。核心创新包括掩码共享机制和基于行列重要性的结构初始化策略，为LLM轻量化提供了一种新颖

领域泛化概论

迁移学习中的域自适应和MMD

领域泛化概论

Vgg和ShuffleNet详解

多项式回归模型的原理、建模、调优以及预测

链式存储结构：结点在存储器中的位置是任意的，即逻辑相邻的数据元素物理上不一定相邻。又称为非顺序映像或链式映像实现：用一组物理位置任意的存储单元来存放线性表的数据元素，这组存储单元可以连续也可以不连续。相关概念：结点：数据元素的存储映像。=数据域+指针域链表：n个结点由指针链组成单链表：结点只有一个指针域双链表：结点有两个指针域（一前一后）循环链表：首尾相连头指针：指向链表的第一个结点指针...

路径：树中一个结点到另一个结点之间的分支所构成的路径路径长度：两个结点之间的分支数树的路径长度：从根结点到每个结点的路径长度之和，记作TL结点数目相同的二叉树中，完全二叉树是路径长度最短的结点的带权路径长度：根到该结点之间路径长度X 该结点的权树的带权路径长度：所有叶子结点的带权路径长度之和记作WPL=哈夫曼树：最优二叉树（带权路径长度（WPL）最短的树）满二叉树不一定是哈夫曼树哈夫曼树中权越大的

Flask上传多个文件

图卷积神经网络应用于目标检测