近日，随着电子设备中数据存储和传输需求的不断增长，高效的数据压缩方法显得尤为重要。中国科学院华中人工智能研究所、大连理工大学彭程实验室及滑铁卢大学的研究人员共同推出了一种名为LMCompress的新型数据压缩方法，该方法基于大型语言模型(LLM)，有望显著提升数据压缩效率。

这一创新成果被详细阐述在《自然机器智能》杂志上发表的一篇论文中。论文资深作者李明教授表示，他们的研究基于“压缩即理解”的理念，即如果模型能充分理解数据，就能更有效地压缩数据。这一理念与克劳德·香农在1948年提出的数学通信理论相呼应，而李明团队的研究则进一步证明了这一理念在现代人工智能和大型语言模型下的可行性。

在研究中，李明及其同事发现，当大型语言模型能够准确预测用户意图传输的数据时，它便能生成相应的内容，从而无需实际传输数据本身。这种基于预测的数据压缩方法，在测试中显示出了惊人的效果。李明教授指出：“我们发现，LMCompress方法至少将不同类型数据的压缩率提高了一倍，包括文本、图像、视频和音频文件。这意味着数据传输速度可以提高大约两倍。”

李明教授还表示，这一成果不仅为未来开发更先进的数据压缩技术提供了参考，还激励了其他研究人员利用大型语言模型进行数据压缩的研究。他补充道：“我们证明了理解等于压缩，并为使用LLM压缩数据的新时代铺平了道路。我们认为，随着大型模型在各类设备上的普及，我们的数据压缩方法将逐渐取代传统方法。”

此外，研究团队还计划利用LMCompress方法来比较大型模型并检测抄袭行为，进一步拓展其应用范围。这一新型数据压缩方法的出现，无疑将为数据存储和传输领域带来革命性的变化。

更多信息： Ziguang Li 等，大型模型的无损数据压缩，《自然机器智能》(2025)。期刊信息： 《自然机器智能》