arXiv · cs.AI· Hanzhi Zhang·· 1 天前AI 评分41
TileQuant：以瓦片为精度分配单元的 LLM 混合精度训练后量化
TileQuant: Tile as the Precision-Allocation Unit for LLM Mixed-Precision Post-Training Quantization
来源与原文
arXiv · cs.AI
作者：Hanzhi Zhang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07217v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
TileQuant 是一个免训练框架，把精度分配给硬件对齐的 2D 权重瓦片，在每个投影的保留预算内将得分最高的瓦片保持 16-bit、其余用 8-bit。离线校准结合输入激活感知评分与梯度损失敏感度评分，内核复用紧凑权重缓冲进行整数与 16-bit 计算以减少内存访问。实验显示其生成吞吐达到原模型的 2.66 倍，并在语言建模、推理、长上下文检索与问答任务上保持质量。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。