的环节。
周昀在网上找了一个参数量在100B左右的大模型，本来他是打算找个几十B的就差不多了。
谁知道导师这么给力，资源多了，他也不那么扣扣嗖嗖了。
AgileEdge的主要作用就是将大模型压缩成小模型然后放到边缘设备里。
因为是全自动的AI框架，所以其操作流程非常的傻瓜。
只要将边缘设备连接到电脑，程序就会自动检测其硬件的具体参数，然后经过AgileEdge的压缩，不断地优化模型，最终形成一个能运行的模型文件。
边缘设备周昀暂时就找了一台老的智能机，内存只有32G，将手机插上数据线。
运行程序。
一个进度条出现在屏幕下方。
【预计时间：17h】
“就知道。”
只要涉及到大模型，实验的时间就不会短，不过十几个小时也算快了，前世周昀曾经一个实验跑了两周，主要就是当时的服务器实在太垃圾了。
三天后，周五。
经过几天的实验，周昀的AgileEdge算是初步能用，但是距离他预想的性能，还有一些差距。
而且不同的大模型之间，压缩后的性能也存在较大的差距。
他的想法是在模型压缩的同时，性能不变，但是现在看来，模型压缩，性能就一定会变差，这看上去似乎是一个无解的问题。
周昀能保证，自己的AgileEdge框架是没有问题的，不然也不可能实现模型压缩，那么有问题只可能是模型本身。
大模型本身特殊的架构，限制了其参数的数量。
简单来说就是，无论如何压缩，其总是会存在一个下限，而周昀要做的就是突破这个下限。
这就不得不对模型本身进行修改。
“看来之前还是想简单了。”
智能化修改大模型架构，又是一个不小的工程，就这个研究，都够发一篇A会了。
就在周昀思考的时候，群里弹出一条消息。
【点击入会】
要开组会了。
入会后，周昀第一时间就是先把自己闭麦。
等人到齐之后，组会开始。
其实线上的总共就三个人，其他人都是线下会议室的，也就是还没入学的新生才有线上组会这个待遇了。
“听得到吗？”邓永华的声音响起。
本章未完，请点击下一页继续阅读！