Q, K, V

新的量化方法优化Transformer注意力输出

研究人员开发了一种新的Transformer模型量化方法，重点关注注意力机制的Q、K和V投影。这种方法被称为JAB，直接优化注意力输出而不是单个权重矩阵，在Mistral-7B的3位量化上表现出改进的性能。然而，当包含MLP层时，该方法的有效性会降低，在这种情况下，一种与角色相关的偏移规则被证明更成功，在Mistral-7B上实现了接近全精度困惑度但压缩显著。