权重量化相关 AI 资讯 · AI 热点

7月20日

10:47

10:47

官方账号arXiv cs.LG@Yuchen Yang, Yifan Zhao, Anisha Dasgupta, Sasa Misailovic

MoE大模型在KV缓存密集场景下，模型权重与KV缓存之间存在GPU内存竞争。PagedWeight方法在运行时动态量化MoE权重，平衡专家权重精度与缓存大小。在多个内存敏感场景中，PagedWeight在FP16等效精度下节省72.0% GPU内存并提升1.94倍吞吐量。在相似内存预算下，其质量比现有量化方法高出39.3%，吞吐损失不超过4.1%。

论文 MoE LLM推理权重量化

推荐理由：这篇论文展示了PagedWeight方法，能在MoE模型服务里动态量化权重，省内存还保准，比之前的方法效果明显更好。

5月14日

13:27

13:27

官方账号arXiv cs.AI@Or Ordentlich, Yury Polyanskiy

精选

本文是量化矩阵乘法研究的第二部分，探讨在第二因子列协方差矩阵已知时的量化策略，该场景常见于大语言模型的权重量化后训练。作者展示了经典的水填充法（waterfilling）如何改进现有LLM量化算法（如GPTQ），后者目前均匀分配比特率。分析表明，仅使用标量INT量化器的WaterSIC方案在高率下性能与信息论极限相差仅0.25比特/条目，且不受随机旋转影响。而GPTQ在随机旋转下与WaterSIC差距在0.1比特以内，表明其在高率下也接近最优。

论文量化 LLM 水填充法

推荐理由：做LLM量化的开发者终于有了理论指导——水填充法比均匀分配更优，GPTQ加随机旋转就能接近极限，建议做权重量化的团队点开看看具体实现。