CodeQuant2:针对低精度 LRM 的增强型异常值缓解和自适应聚类
原文:CodeQuant2: Enhanced Outlier Mitigation and Adaptive Clustering for Low-Precision LRMs
大型推理模型(LRM)通过生成更长的中间推理轨迹来提高任务性能,但这大大增加了推理成本,并使低精度量化变得越来越重要。然而,激进的量化模型在推理任务上通常表现不佳。我们在推理的第一个解码步骤中观察到较大的激活波动。校准塔
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。