arXiv · cs.AI· Tingfeng Lan, Zirui Wang, Yunjia Zheng, Zhaoyuan Su, Juncheng Yang, Yue Cheng·· 7 小时前
TensorDex：面向现代AI模型的张量级无损增量压缩存储系统
TensorDex: A Compact, Tensor-Centric Storage System for Modern AI Models
arXiv:2604.17104v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Tingfeng Lan, Zirui Wang, Yunjia Zheng, Zhaoyuan Su, Juncheng Yang, Yue Cheng
研究任务与主要进展
作者提出 TensorDex，一种按张量粒度进行无损增量压缩的 AI 模型存储系统。系统使用紧凑的位级指纹预测张量对的可压缩性，并通过多中心聚类在新模型到达时增量选择基础模型；基于论文摘要，在2,890个随机抽取的 Hugging Face 模型上，存储占用降低70.5%，压缩和解压吞吐分别为22.9 GB/s和28.4 GB/s。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org