Eksperyment: model GLM-5.2 skompresowany bez strat — zajmuje 25% mniej pamięci

Badacz Brian Bell opublikował eksperyment dotyczący bezstratnej kompresji wag modelu językowego GLM-5.2, osiągając redukcję zużycia pamięci o 25%. Metoda polega na kompresji wag sieci neuronowej bez utraty dokładności modelu. Projekt jest dostępny na GitHubie i wywołał dyskusję w społeczności Hacker News.