提出LIRQuant低比特量化方法应对激活离群值
热点事件观察中
提出LIRQuant低比特量化方法应对激活离群值
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Desheng Xu等在arXiv发布论文，提出面向大语言模型的后训练量化方法LIRQuant，针对W4A4KV4（权重、激活、KV缓存均为4比特）设置下的激活离群值问题。方法仅对敏感通道应用可学习旋转，其余通道使用固定旋转，以降低优化复杂度。 论文称，在LLaMA-2/3、Mistral、Qwen3和Mixtral系列上的大量实验显示，LIRQuant在W4A4KV4设置下达到当前最优精度；LLaMA-3-8B的校准仅需25分钟，峰值GPU显存20.3 GB。以上为论文作者声称的结果，基于论文摘要，本站未核验全文或独立复现。
AI 根据报道生成 · 9 小时前更新
最新进展10月20日 12:00
LIRQuant：面向大语言模型的局部隔离旋转量化方法报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AILIRQuant：面向大语言模型的局部隔离旋转量化方法
Desheng Xu等提出LIRQuant，用于解决大语言模型后训练量化中的激活离群值问题，并通过仅对敏感通道应用可学习旋转、对其余通道使用固定旋转来降低优化复杂度。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。