Tufa Labs 的 tufazip 用自我學習的 Transformer 無失真壓縮 Wikipedia 文字
One gigabyte of Wikipedia losslessly compressed to 105.39MB with self-learning AI transformer model
重點導讀
壓縮檔通常得靠專門設計的壓縮方法;Tufa Labs 的 tufazip 改用會邊讀邊學的 Transformer,預測文字接下來會出現什麼,再把預測結果和文字一起還原。
- 它把 Wikipedia 的 1GB 文字無損壓到 105.39MB,解壓後不會少資料。
- 這也是大型文字壓縮測試中,只靠神經網路預測的專案裡最小的結果。不過,壓縮和解壓各要用 2 張 Nvidia B200 GPU 跑大約 7 天。這是研究用途的成果,顯示 AI 模型也能拿來壓縮文字,但要省下空間,可能得付出很高的運算時間。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處tomshardware.com
One gigabyte of Wikipedia losslessly compressed to 105.39MB with self-learning AI transformer model
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Tom’s Hardware AI & Computing (tomshardware.com)
開啟原文