研究人员开发了TileQuant,一个新颖的训练后量化框架,旨在通过在瓦片级别分配精度来优化大型语言模型(LLM)的部署。该方法分析二维瓦片内的权重敏感性,允许关键瓦片使用更高精度,而其他瓦片使用较低精度,从而在不显著降低质量的情况下减少计算开销。实验表明,TileQuant可以将生成吞吐量提高高达2.66倍,同时在各种语言任务中保持或提高性能。 AI
影响 能够更有效地部署大型语言模型,可能降低成本并提高推理速度。
排序理由 详细介绍LLM量化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- 16-bit computing
- arXiv
- Byte
- Hugging Face
- LLM
- Post Training Quantization Preprocessing Method of Convolutional Neural Network via Outlier Removal
- TileQuant
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →