[논문리뷰] StateSMix: Online Lossless Compression via Mamba State Space Models and Sparse N-gram Context Mixing본 논문은 대규모 LLM 기반 압축 기술이 요구하는 엄청난 컴퓨팅 자원과 외부 가중치 전송의 비실용성을 해결하기 위해 완전 online 신경망 압축 방식을 제안한다. 기존의 고성능 신경망 압축 모델들은 수억 개의 파라미터를 외부에서 가져와야 하므로 범용적인 환경에서 사용하기 어렵다.#Review#Lossless Compression#State Space Models#Mamba#Online Learning#Arithmetic Coding#N-gram#BPE Tokenisation2026년 5월 5일댓글 수 로딩 중
[논문리뷰] Nacrith: Neural Lossless Compression via Ensemble Context Modeling and High-Precision CDF Coding본 논문은 135M 파라미터 트랜스포머 언어 모델 (SmolLM2-135M) 과 경량 온라인 예측기 앙상블을 활용하여 자연어 텍스트에 대한 손실 없는 압축 성능을 극대화하는 것을 목표로 합니다.#Review#Lossless Compression#Neural Compression#Language Models#Arithmetic Coding#Context Mixing#Ensemble Prediction#CDF Quantization#GPU Acceleration2026년 2월 23일댓글 수 로딩 중