英文：Model Compression 分类：frontier
在保持能力的前提下减小模型体积/算力开销的技术集合：量化、剪枝、蒸馏、低秩分解、共享参数等，让大模型"变小变快"。
方法：量化（权重/激活精度降低：GPTQ、AWQ）、剪枝（去冗余：SparseGPT）、蒸馏（知识迁移）、低秩（LoRA 化权重）、混合（组合使用）；权衡：压缩率 vs 精度损失、硬件加速收益；评估：压缩后基准+实际部署指标。
用于推理成本控制（显存/带宽）、端侧部署（体积限制）、高并发服务（吞吐提升）与私有化部署；模型压缩是"大模型瘦身"的工艺包。