（取自DeepMind X）
根據《 IT 之家》 9 月 27 日消息，DeepMind 研究人員日前評估大型語言模型（LLM）的壓縮能力時，發現這些模型的「壓縮能力」相當驚人，除了常規文字資料外，還可以壓縮圖像音訊，相關內容已經發布在 ArXiv 上。
據悉，DeepMind 在研究中，使用了一個名為「Chinchilla 70B」的模型，雖然這個模型主要使用文字訓練，但是研究人員發現該模型也可用於壓縮 ImageNet 圖片，可將文件壓縮至原始大小的 43.3%，甚至可將 LibriSpeech 語音樣本壓縮至原始的 16.4%。
DeepMind 的研究證明，模型的「預測」能力和「壓縮」能力之間存在「等價性」，因此研究人員可以使用任何壓縮算法，建立一個更加強大的條件生成模型。
研究還發現，若要將模型用於壓縮上，模型並非越大越好，過大的模型可能反而對壓縮能力產生負面影響。
本文為巴比特授權刊登，原文標題為「DeepMind：大型語言模型可實現「高效無損壓縮音頻影像」，有望運用於相關軟件中」