📖 AI 总结

本文提出 FairCompressAgent（FCA），一个面向 FPGA 部署的公平性感知模型压缩智能体框架。该框架通过统一算子接口整合公平性感知剪枝、增量量化和稀疏低秩分解，由语言模型规划器依据模型画像与实测结果选择压缩配置，执行层负责压缩、微调、评估与基于约束的筛选，并支持需求动态更新及无法满足时报告剩余违规量。在 Fitzpatrick-17k 数据集与 VGG-11 模型上，作者对 40 种实测配置比较了四种搜索方法。在精度约束请求下，FCA 所选压缩模型将推理张量存储降低 59.54%，验证集平均精度由 0.5141 升至 0.5233，机会均等差距（EOpp）由 0.2251 降至 0.2168；在各自停止策略下，其平均仅需 7.33 次候选评估即达到与一次性规划（12 次）相同的最终选择。重复微调、留出测试与在线需求更新实验进一步验证了该工作流的稳定性与交互能力，表明实测反馈与显式约束可有效支持公平性感知压缩配置的选择与迭代优化。

🔑 关键词速览