研究人员开发了WaterKron,一种利用克罗内克因子化Hessian近似进行训练后量化的新方法。该方法结合了双面GPTQ、水填充尺度和熵编码,引入了一个因子$\Phi$来量化克罗内克近似的失真惩罚。最小化该因子会导致FlipFlop Hessian,这得到了率失真理论的证明,并且在经验上显示与其他的Hessian近似方法相比,可以改善KL散度和困惑度。 AI
影响 这项研究通过改进量化技术,可能导致更高效的AI模型,从而降低计算成本和内存需求。
排序理由 该集群包含一篇详细介绍AI模型量化新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- FlipFlop Hessian
- GPTQ
- Kronecker-factored Hessian
- Kronecker-Hessian
- Kullback–Leibler divergence
- Perplexity
- WaterKron
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →