研究人员开发了BiLoCo,一种新颖的训练后量化(PTQ)方法,可在保持准确性的同时显著减小大型语言模型(LLMs)的内存占用。该技术将低秩校正因子存储为二进制符号向量,与SVDQuant等先前方法相比,每个秩的存储量减少了16倍。BiLoCo可以在Blackwell GPU上与主FP4 GEMM操作并行在CUDA核心上处理,从而最大限度地减少性能开销。 AI
影响 这项技术通过降低内存需求,有可能使更大的语言模型在消费级硬件上更高效地运行。
排序理由 该集群包含一篇详细介绍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 →