Microsoft（微软）

Unifying Depth and Width Pruning for LLMs via Binary Knapsack Optimization

通过二进制背包优化统一大语言模型的深度与宽度剪枝

Palaash Goel, Ayan Sengupta, Akshay Nambi, Tanmoy Chakraborty

机构 * Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（德里印度理工学院亚迪人工智能学院） ； Indian Institute of Technology Delhi（德里印度理工学院） ； Microsoft Research (MSR) India（微软研究院印度分部） 纠错

AI总结 研究针对LLMs结构化剪枝的贪心启发式算法缺陷，提出SNIPER两阶段剪枝框架，引入CRAFT量化预算保真度，在多架构多任务上较现有剪枝器实现性能与稳定性提升，泛化性强。

Comments 29 pages, 5 figures, 17 tables

Correct Is Not Governed: Provenance Integrity in Agentic Workflows

正确性不受管控：智能体工作流的来源完整性

Jesus Salas

机构 * Microsoft（微软公司） 纠错

AI总结 本文针对智能体工作流的来源完整性问题，提出确定性因果状态层Matrix作为机构完整性层，可记录依赖、验证证据，使工作可审计，且能限制恢复范围。

Comments 19 pages, 2 figures