1. 剪枝方案图释

Fig. 1.1 剪枝方案

图中的阴影是表示丢弃掉这部分数据。通过引入正交矩阵$Q$使${\mathrm{Q}}^{\top }\mathrm{Q}=\mathrm{Q}{\mathrm{Q}}^{\top }=\mathrm{I}$，来大量缩减$X$的列数和$W$的行数。
由于$Q$是正交矩阵，有$\Vert \mathbf{Q}x\Vert =\sqrt{x^{\top }{\mathbf{Q}}^{\top }\mathbf{Q}x}=\sqrt{x^{\top }x}=\Vert x\Vert$，所以$Q$与$x$相乘不会影响$x$的范数。
在一般情况下，假设${\mathbf{X}}_{\ell }$是transformer中一个块的输出，在经过RMSNorm（对每一行$x\leftarrow \frac{\mathbf{X}}{||\mathbf{X}||}$处理），然后$\mathrm{RMSNorm}({\mathbf{X}}_{\ell })$作为下一块的输入。若引入矩阵$Q$，则有$\mathrm{RMSNorm}({\mathbf{X}}_{\ell })=\mathrm{RMSNorm}({\mathbf{X}}_{\ell }\mathbf{Q}){\mathbf{Q}}^{\top }$，所以实际上引入$Q$不改变transformer的结构。对于transformer中的每一attention或FFN层都有线性层，同时由于transformer中有残差连接（图中的$\stackrel{◯}{+}$操作），这里把矩阵$Q$引入每一块的线性层，所以需要把矩阵$Q$引入到所有之前的层（一直到编码阶段）和所有之后的层（一直到LM头）。
令${\mathbf{W}}_{in}^{\ell }$和${\mathbf{W}}_{out}^{\ell }$为transformer的第$\ell$块的线性层的权重矩阵，${\mathbf{b}}_{in}^{\ell }$和${\mathbf{b}}_{out}^{\ell }$为相对应的偏置，${\mathbf{W}}_{embd}$和${\mathbf{W}}_{head}$为编码和头矩阵，$Q$为$D$维矩阵，则可以用以下矩阵来模型不变性变换
$$\begin{array}{rlrlrlrl}{\tilde{\mathbf{W}}}_{embd}& ={\mathbf{W}}_{embd}\mathbf{Q},& & \text{(1)}& & {\tilde{b}}_{out}^{\ell }={\mathbf{Q}}^{\top }{b}_{out}^{\ell },& & \text{(4)}\\ {\tilde{\mathbf{W}}}_{in}^{\ell }& ={\mathbf{Q}}^{\top }{\mathbf{W}}_{in}^{\ell },& & \text{(2)}& & {\tilde{\mathbf{W}}}_{head}={\mathbf{Q}}^{\top }{\mathbf{W}}_{head}.& & \text{(5)}\\ {\tilde{\mathbf{W}}}_{out}^{\ell }& ={\mathbf{W}}_{out}^{\ell }\mathbf{Q},& & \text{(3)}& & & & \end{array}$$偏置矩阵保持不变${\tilde{b}}_{in}^{\ell }=b_{in}^{\ell },{\tilde{b}}_{head}=b_{head}$
文章主题思想如图Fig. 1.2

Fig. 1.2 图解slicegpt（三张图从左到右分别是a、b和c）

图中，(a)中的$W_Q$、$W_K$和$W_V$是注意力中的QKV操作，$W_V$表示注意力机制的输出矩阵，$\mathbf{M}=\mathbf{I}-\frac{1}{D}11^{\top }$是用来使矩阵$X$中的每一个元素拉回到0上下，与下一步的$x\leftarrow \frac{\mathbf{X}}{||\mathbf{X}||}$共同完成归一化处理，$W_1$和$W_2$是MLP操作。(b)与（c）中的$(\alpha )$就是diag($\alpha$)，矩阵$({\alpha }^{{}^{\prime }})$来自前一块。向量$\alpha$和偏置$\beta$在每个LayerNorm实例上独立学习。diag($\alpha$)是一个矩阵操作，表示将一个向量$(\alpha )$作为对角线元素创建一个对角矩阵。
最后移除一些不重要的行和列。

2. 正交矩阵Q

使用主成分分析（PCA）来求解$Q_{\ell }$（transformer中第$\ell$块），在训练集中抽取一些数据作为校准数据，喂给模型用来从前到后逐层提取正交矩阵。对于校准数据集中的$i$条数据，使模型中第$\ell$层输出为$X_{\ell ,i}$，则有
$${\mathrm{C}}_{\ell }=\sum _i{\mathrm{X}}_{\ell ,i}^{\top }{\mathrm{X}}_{\ell ,i}$$则$Q_{\ell }$是${\mathrm{C}}_{\ell }$的降序排列特征值的特征矩阵。