深度学习模型日益庞大，给存储、计算和推理带来挑战。模型压缩技术旨在减少计算复杂度并加速推理，主要包括量化（Quantization）：降低参数精度（如 FP32 → INT8），减少存储需求并提升计算效率。剪枝（Pruning）：移除冗余权重或结构，使模型更轻量化。知识蒸馏（Knowledge Distillation）：让小模型学习大模型知识，在减少计算量的同时保持性能。二值化（Binary Q