The Age Of AI And Our Human Future

新的 arXiv 论文指出量化对循环状态 LLM 记忆存在风险

一篇新发表在 arXiv 上的论文《当量化破坏记忆》（When Quantization Breaks Memory）指出，循环状态语言模型可能存在一个潜在问题。研究表明，将这些模型的持久隐藏状态量化为低精度整数可能会在长时间推理过程中降低其记忆保真度。与一次性影响的权重量化不同，状态量化的误差会随着每一步的累积而加剧，可能导致显著的漂移。该论文强调，这是一个已记录的机制，而非量化成本，并强调需要独立复现来衡量不同架构和精度水平下的退化情况。