PulseAugur
中
实时 09:46:04
实体 Post-training quantization (PTQ)

Post-training quantization (PTQ)

PulseAugur coverage of Post-training quantization (PTQ) — every cluster mentioning Post-training quantization (PTQ) across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. RESEARCH · CL_344504 ·

    新的QMapAnything框架通过结构感知量化优化3D Transformer

    研究人员开发了QMapAnything,一个新颖的训练后量化(PTQ)框架,旨在优化使用Transformer的前馈3D模型。这种新方法解决了异构token类型共享单个激活量化网格的挑战,而现有的token无关方法未能充分处理。QMapAnything采用结构感知策略,将旋转和平滑视为一个重新参数化组,以在提高相对token信噪比的同时保留浮点精度。实验表明,该方法在W4A8量化中非常接近全精度性能,并在W8A8量化中显著减少了内存使…

  2. RESEARCH · CL_268155 ·

    新研究探索LLM的高级量化技术 · 已追踪10个来源

    多篇研究论文介绍了量化大型语言模型(LLMs)的新技术,以减少其计算和内存占用。这些方法旨在提高效率,同时不显著牺牲性能。方法包括激活量化的优化旋转、面向量化感知训练的最小范数优化,以及用于部署对齐的量化感知蒸馏框架。其他研究侧重于超低复杂度反量化、重新思考优化损失尺度以及量化的联合交替细化,所有这些都有助于使LLMs更易于访问和更高效。

  3. RESEARCH · CL_191134 ·

    新方法改进LLM量化,以减小尺寸和成本 · 跟踪2个来源

    两篇新的研究论文提出了用于大型语言模型(LLM)训练后量化(PTQ)的新颖方法,旨在减小它们的尺寸和计算需求。第一篇论文《From Sweep to Seam: Interleaved Cross-Block Post-Training Quantization》介绍了交错跨块量化(ICBQ),该方法通过两次重新访问来精炼量化边界。第二篇论文《ReQuant: Fixed-Grid Discrete Refinement for Po…