深度分析 透過 Squeeze‑Release 及最小化實現模型壓縮：從非結構化剪枝到密集小模型 研究背景指出傳統非結構化剪枝雖能產生稀疏權重，但模型尺寸未縮小。Squeeze‑Release 透過最小化將遮罩網路重寫為更小的密集網路，並在壓縮後以校準噪聲釋放被禁用的參數，讓多輪迭代得以進一步削減結構冗餘。實驗證實在全連接模型與現代 CNN 上分別達到39倍與14.8倍的壓縮率，且精度幾無損失。
