研究人员开发了一种优化小型语言模型中本地解码计算成本的新方法。该方法将权重存储为 8 位精度,但仅使用前 4 位进行解码。如果基于熵或前两个边距阈值,初始低精度输出分布看起来不确定,模型会选择以 8 位精度重新评估解码步骤。当应用于 Qwen3-0.6B 模型并在 GSM8K 上进行基准测试时,这种动态精度分配实现了与更高精度方法相当的性能,同时显著降低了计算成本。 AI
影响 这项技术可能有助于在资源受限的设备上更有效地部署小型语言模型。
排序理由 该集群包含一篇详细介绍 LLM 解码优化新方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →