研究人员开发了DUALQUANT,一个新颖的训练后量化框架,旨在优化大语言模型(LLMs)在加速器上进行低比特推理。该方法通过最小化权重重建均方误差(MSE)来实现具有竞争力的准确性,而无需校准数据,同时还能提供有效的逐通道激活重缩放。DUALQUANT支持MX和NVFP4等多种格式,并在Llama和Qwen等模型上展示了显著的内存减少和吞吐量加速。 AI
影响 使得在具有原生低比特支持的硬件上更高效地部署大语言模型成为可能,从而可能降低推理成本并提高速度。
排序理由 该集群包含一篇详细介绍大语言模型量化新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →