Compression Strategies for Efficient Multimodal LLMs in Medical Contexts
Department of Electrical and Electronic Engineering, Bangladesh University of Engineering and Technology (BUET)(电子与电气工程系,孟加拉国工程与技术大学)
本文提出一种结合结构剪枝与激活感知量化的压缩策略,使7B参数多模态大模型在医疗场景中仅需4GB显存,内存减少70%且性能提升4%。
2025-09-23 cs.AI
Mixed-Precision Graph Neural Quantization for Low Bit Large Language Models
School of Computer Science and Engineering, University of Electronic Science and Technology of China(电子科技大学计算机科学与工程学院)
针对大语言模型在<3比特低比特量化下性能不佳的问题,提出混合精度图神经PTQ方法(MG-PTQ),利用GNN模块捕获权重依赖并自适应分配比特宽度,显著超越GPTQ并创下低比特量化新基准。
2025-01-30 cs.CL
Art and Science of Quantizing Large-Scale Models: A Comprehensive Overview
Peking University(北京大学);Nankai University(南开大学);Beijing Institute of Technology(北京理工大学);University of Leeds(利兹大学);Harbin University of Commerce(哈尔滨商业大学)
本文综述大规模神经网络模型量化的原理、挑战与方法,分析PTQ、QAT及LLM-QAT等前沿算法应对异常值等问题的效果,助力模型高效低损部署。
2024-09-18 cs.AI cs.LG
Navigating the Landscape of Large Language Models: A Comprehensive Review and Analysis of Paradigms and Fine-Tuning Strategies
本文针对ChatGPT兴起后大模型快速普及的背景,对大模型的各类微调方法及相关技术进展、先进应用开展了全面综述分析。
2024-04-13 cs.AI cs.CL cs.LG
Quantization Meets Reasoning: Exploring LLM Low-Bit Quantization Degradation for Mathematical Reasoning
The Hong Kong Polytechnic University(香港理工大学);Southern University of Science and Technology(南方科技大学);Tsinghua University(清华大学);Reallm Labs(Reallm实验室);Wuhan University(武汉大学);The University of Hong Kong(香港大学)
本研究系统评估量化对LLM数学推理的影响,发现AWQ和GPTQ导致高达32.39%准确率下降,并提出多维评估框架及微调恢复策略,使推理能力接近全精度水平。
2025-02-24 cs.AI cs.CL
INT v.s. FP: A Comprehensive Study of Fine-Grained Low-bit Quantization Formats
The University of Hong Kong(香港大学)
该研究系统对比了不同粒度下INT与FP低位量化格式的性能,发现细粒度8位MXINT8在精度和硬件效率上优于FP格式,4位场景下结合离群点缓解技术的INT也可超越FP,还提出对称裁剪法解决INT训练梯度偏差问题,为AI加速器的量化格式选型提供了新方向。
2025-10-29 cs.AI cs.LG
Advancing NLP Models with Strategic Text Augmentation: A Comprehensive Study of Augmentation Methods and Curriculum Strategies
Yildiz Technical University(伊兹迪克技术大学)
本研究全面评估了多种文本增强技术与课程策略在NLP任务中的效果,提出了新颖的Modified Cyclical Curriculum Learning (MCCL)方法,证明其结合特定增强技术能显著提升模型分类性能并优化训练质量与速度的平衡。
2024-02-14 cs.AI cs.CL
Optimizing Large Language Models through Quantization: A Comparative Analysis of PTQ and QAT Techniques
Iowa State University(爱荷华州立大学)
本文比较PTQ与QAT量化技术,提出缩放因子γ和混合精度量化框架,实现模型大小减少68%、计算成本降低40-60%,并显著提升边缘设备吞吐量。
2024-11-09 cs.AI cs.CL cs.LG
QAQ: Quality Adaptive Quantization for LLM KV Cache
Nanjing University(南京大学)
针对大语言模型KV缓存随上下文长度膨胀的部署瓶颈,提出质量自适应量化方案QAQ,对键、值缓存分别采用非均匀量化并结合离群值处理与注意力感知方法,实现最高10倍压缩比且性能损失可忽略。
2024-04-12 cs.CL
How to Parameterize Asymmetric Quantization Ranges for Quantization-Aware Training
Qualcomm AI Research(高通人工智能研究部)
本文研究了量化感知训练中非对称均匀量化的三种参数化方法,通过受控实验和大语言模型分析其对关键超参数的响应,并提出了稳定和加速训练的最佳实践。
2024-04-25 cs.AI cs.LG
Binary Neural Networks for Large Language Model: A Survey
OPPO AI Center(OPPO人工智能中心);School of Electrical and Automation Engineering, Nanjing Normal University(南京师范大学电气与自动化工程学院)
本文综述了大型语言模型的二值量化技术,涵盖从训练起始即采用二值权重的BitNet方法及其衍生技术,并探讨了这些技术在深度神经网络中的应用与贡献。
2025-02-26 cs.AI cs.CL
Quantization Meets dLLMs: A Systematic Study of Post-training Quantization for Diffusion LLMs
本文系统研究了扩散大语言模型的后训练量化,探讨了激活异常值对低比特量化的影响,并通过多维度评估提供了实用见解,为高效部署扩散大语言模型奠定基础。
2026-03-13 cs.AI cs.CL
Benchmarking Post-Training Quantization in LLMs: Comprehensive Taxonomy, Unified Evaluation, and Comparative Analysis
Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳));Illinois Institute of Technology(伊利诺伊理工学院)
针对现有大语言模型训练后量化(PTQ)研究缺乏场景适配分析与多维度权衡的问题,本文提出含综合分类体系的PTQ基准,通过多模型、多维度实验总结策略优势与规模-位宽规律,验证补偿类方法的跨架构鲁棒性并给出实用组合方案,为LLM部署与PTQ研究提供参考。
2025-05-21 cs.AI cs.LG
Towards Green AI: Evaluating Energy Efficiency for Quantized LLM Inference
University of Waterloo(滑铁卢大学)
本文针对LLM量化的能耗影响研究不足问题,评估多模型、多GPU、多数据集的10种PTQ策略,发现长输入短输出时量化能效最优,融合内核实现能效提升最高,延迟优化可替代降低环境足迹。
2026-10-14 cs.AI cs.CY cs.LG
FPTQ: Fine-grained Post-Training Quantization for Large Language Models
Meituan(美团);Nanjing University(南京大学)
针对大型语言模型部署难题,提出FPTQ方法,结合W4A8量化与逐层对数均衡激活量化及细粒度权重量化,无需微调即在BLOOM、LLaMA等模型上达到最先进性能。
2023-08-30 cs.AI cs.CL cs.LG
LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit
Beihang University(北京航空航天大学);SenseTime Research(商汤科技研究院);Nanyang Technological University(南洋理工大学)
针对现有大语言模型量化研究配置不一、难以公平比较的问题,本文提出集成多种算法、模型与硬件的即插即用压缩工具包LLMC,并开展覆盖校准数据、算法、数据格式的基准测试,提供研究见解与实践指导。
2024-10-09 cs.AI cs.CL cs.LG
ZeroQuant-FP: A Leap Forward in LLMs Post-Training W4A8 Quantization Using Floating-Point Formats
Microsoft(微软)
本研究针对大语言模型量化的效率与质量平衡难题,提出基于FP8/FP4的ZeroQuant-FP量化方法,结合缩放约束与LoRC策略,实现了W4A8量化下的优异性能,助力资源受限场景高效部署。
2023-07-20 cs.AI cs.CL cs.LG
Compressed code: the hidden effects of quantization and distillation on programming tokens
National Sun Yat-Sen University(国立中山大学);DataSpike;aglabx;Neapolis University(尼apolis大学)
本文研究了量化和知识蒸馏对编程令牌的影响,通过分析令牌表示揭示了代码生成质量的优化方法和关键因素。
2026-02-08 cs.CL cs.LG cs.PL
Interactions Across Blocks in Post-Training Quantization of Large Language Models
Recogni(睿识科技);Technical University of Munich(慕尼黑工业大学)
本文针对大语言模型训练后量化中局部目标的两个简化假设,提出两种多块微调策略,发现其效果因模型而异,对部分模型有显著提升。
2024-11-06 cs.AI cs.CL cs.LG
HBLLM: Wavelet-Enhanced High-Fidelity 1-Bit Quantization for LLMs
Sun Yat-sen University(中山大学)
HBLLM通过小波增强和结构感知分组策略,实现高保真1位量化,显著提升LLM的存储效率和量化保真度。
2025-12-12 cs.AI cs.LG
Optimal Post-Training Quantization Scales and Where to Find Them
AMD
提出PiSO算法,利用校准数据精确高效地计算逐通道最优量化尺度,并扩展到分组量化,在Llama和Qwen模型上显著提升困惑度和零样本准确率。
2026-10-20 cs.AI cs.LG
QuantX: A Framework for Hardware-Aware Quantization of Generative AI Workloads
xEngineers Inc.(10xEngineers公司)
本文提出QuantX框架,通过硬件感知的量化策略实现LLM和VLM低至3-bit量化,在保持性能的同时灵活权衡速度、内存与精度,并优于现有技术。
2025-09-12 cs.AI eess.SP
CALM: A CKA-Guided Adaptive Layer-Wise Modularization Framework for LLM Quantization
Beijing University of Posts and Telecommunications(北京邮电大学);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);Zhejiang University(浙江大学);University of Science and Technology of China(中国科学技术大学)
CALM提出一种基于CKA的自适应层级模块化框架,通过独立评估各层最佳量化策略,提升LLM量化效果。
2026-01-08 cs.AI cs.LG
Post Training Quantization of Large Language Models with Microscaling Formats
d-Matrix;Purdue University(普渡大学)
本文研究了SmoothQuant、AWQ和GPTQ三种训练后量化技术的组合应用,通过引入微缩格式扩展了PTQ算法的适用性,实现了4位权重和8位激活的量化且精度损失可忽略。
2024-10-15 cs.AI cs.LG
LSAQ: Layer-Specific Adaptive Quantization for Large Language Model Deployment
College of Computer Science and Technology, National University of Defense Technology(计算机科学与技术学院,国防科技大学)
本文提出LSAQ系统,通过基于层重要性的自适应量化策略,根据边缘设备计算资源动态调整LLMs各层量化精度,在困惑度和零样本任务上优于基线方法并支持灵活部署。
2025-05-06 cs.CL
Early Quantization Shrinks Codebook: A Simple Fix for Diversity-Preserving Tokenization
National University of Singapore(国立新加坡大学);Zhejiang University(浙江大学);Shanghai Jiao Tong University(上海交通大学)
本文研究了向量量化中的坍塌问题,发现随机初始化和编码器容量限制导致token和嵌入坍塌,并提出缓解方案,是首次系统探讨该问题。
2026-03-17 cs.AI cs.LG
How Quantization Shapes Bias in Large Language Models
Tsinghua University(清华大学);The Hebrew University of Jerusalem(耶路撒冷希伯来大学);TU Darmstadt(达姆施塔特工业大学);National Research Center for Applied Cybersecurity ATHENE(雅典娜国家应用网络安全研究中心)
研究探讨量化对大型语言模型偏见的影响,发现量化在减少毒性的同时可能增加刻板印象和不公平性,强调了在应用量化时需平衡效率与伦理。
2026-03-05 cs.CL cs.LG
Optimization Strategies for Enhancing Resource Efficiency in Transformers & Large Language Models
Brock University(布洛克大学)
本研究探讨了量化、知识蒸馏和剪枝等优化技术,以在保持性能的同时提升 Transformer 和大型语言模型的资源与能效,并引入了新颖的优化方程来比较各方法,为开发可持续高效的 LLMs 提供见解。
2025-01-16 cs.CL cs.LG
Enhancing Medical Task Performance in GPT-4V: A Comprehensive Study on Prompt Engineering Strategies
Shanghai AI Laboratory(上海人工智能实验室)
针对GPT-4V在专业医疗任务中表现不佳的问题,本文通过迭代测试优化提示词,提炼出10种有效提示工程技术,显著提升其医学影像解读准确性与临床价值,为发挥其诊断潜力提供可行指导。
2023-12-12 cs.AI cs.CL cs.CV
MixKVQ: Query-Aware Mixed-Precision KV Cache Quantization for Long-Context Reasoning
South China University of Technology(南方科技大学);Beihang University(北航);Pazhou Laboratory(琶洲实验室)
MixKVQ通过查询感知的混合精度量化策略,提升长上下文推理性能并降低内存开销。
2025-12-22 cs.AI cs.LG
Q-resafe: Assessing Safety Risks and Quantization-aware Safety Patching for Quantized Large Language Models
The State Key Laboratory of Blockchain and Data Security, Zhejiang University(区块链与数据安全国家重点实验室,浙江大学);Sun Yat-sen University(中山大学);Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security(杭州高新技术区(滨江)区块链与数据安全研究院)
本文针对量化大型语言模型的安全能力受损问题,提出了一种量化感知安全修补框架Q-resafe,通过全面评估并最小化对实用性的影响,成功恢复了量化模型的安全性。
2025-06-25 cs.AI cs.LG
LLMPi: Optimizing LLMs for High-Throughput on Raspberry Pi
University of South Carolina(南卡罗来纳大学)
本文提出LLMPi,通过k-quantization(PTQ)和三值量化(QAT)等量化优化技术,在Raspberry Pi等边缘设备上实现LLMs的高吞吐量与低功耗,同时保持推理质量。
2025-04-02 cs.AI cs.LG
SLMQuant:Benchmarking Small Language Model Quantization for Practical Deployment
SKLCCSE;School of Artificial Intelligence(人工智能学院);Beihang University(北航);School of Computer Science and Engineering(计算机科学与工程学院)
针对小语言模型(SLMs)在边缘设备部署的压缩效率问题,本文提出首个系统性基准SLMQuant,通过多轨道评估揭示SLMs与LLMs量化敏感性差异,提出定制压缩设计原则,为高效部署提供框架与见解。
2025-11-17 cs.AI cs.LG
A Comprehensive Survey on the Security of Smart Grid: Challenges, Mitigations, and Future Research Opportunities
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校);University of North Texas(北得克萨斯大学)
该综述全面梳理智能电网安全的系统架构、攻击向量(含协同攻击)、多类防御策略及研究挑战,展望了大语言模型应用、对抗性机器学习威胁等未来研究方向。
2024-07-10 cs.AI cs.CR
Representation Collapsing Problems in Vector Quantization
College of Design and Engineering(设计与工程学院);National University of Singapore(新加坡国立大学);Indian Institute of Technology Jodhpur(焦特布尔印度理工学院)
针对生成模型中向量量化表示坍缩问题(码本token或潜在嵌入因收敛到有限值子集失去判别能力),本研究通过合成与真实数据集明确坍缩类型、严重程度及触发条件(受限初始化、有限编码器容量),并提出潜在解决方案,是首个全面研究该问题的工作。
2024-11-25 cs.AI cs.LG
Less Precise Can Be More Reliable: A Systematic Evaluation of Quantization's Impact on VLMs Beyond Accuracy
Computer Vision Center(计算机视觉中心)
本文系统评估了量化对VLMs可靠性的影响,发现量化能提升准确率、校准、异常检测和抗噪能力,但不改善协变量偏移或虚假相关性。
2026-05-15 cs.AI cs.CV cs.LG
APSQ: Additive Partial Sum Quantization with Algorithm-Hardware Co-Design
The Hong Kong University of Science and Technology(香港科学与技术大学);AI Chip Center for Emerging Smart Systems (ACCESS)(新兴智能系统人工智能芯片中心)
本文提出加法部分和量化方法APSQ,通过算法-硬件协同设计将部分和压缩为INT8,在BERT、Segformer、EfficientViT等模型上实现近无损效果,并降低28-87%能耗,还验证了其在大语言模型上的潜力。
2025-04-10 cs.AI cs.AR
Security Assessment and Mitigation Strategies for Large Language Models: A Comprehensive Defensive Framework
School of Computing University of North Florida(北弗罗里达大学计算学院)
本文评估了大型语言模型在关键基础设施中的安全风险,提出了一种标准化的评估框架和多层次防御系统,通过测试五种主流模型对1万多个对抗性提示的响应,揭示了安全差异,并开发了高准确率的防御框架。
2026-03-17 cs.AI cs.CR
Systematic Characterization of LLM Quantization: A Performance, Energy, and Quality Perspective
Purdue University(普渡大学)
本文开发了自动化框架qMeter,系统分析了11种LLM量化方法在4种模型规模和两种GPU上的性能、能耗与质量权衡,揭示了任务依赖性和并行交互复杂性,并给出三个优化案例。
2025-08-22 cs.AI cs.AR cs.DC
Random Entity Quantization for Parameter-Efficient Compositional Knowledge Graph Representation
University of Science and Technology of China(中国科学技术大学);Beijing University of Posts and Telecommunications(北京邮电大学)
针对知识图谱嵌入的可扩展性挑战,本文提出简单的随机实体量化方法,发现其因码本熵与码字Jaccard距离能更好区分实体,效果媲美复杂策略,表明量化策略非关键且仍有改进空间。
2023-10-24 cs.AI cs.CL cs.LG
A Comprehensive Evaluation of Tool-Assisted Generation Strategies
Google Research(谷歌研究院);Google DeepMind(谷歌DeepMind);Bar Ilan University(巴伊兰大学)
该研究系统比较了少样本工具辅助生成策略与无工具强基线,发现无工具基线竞争力强、修正策略优于预检索,且工具策略成本高而收益有限,凸显了全面评估的必要性。
2023-12-28 cs.AI cs.CL
Accelerating Inference and Language Model Fusion of Recurrent Neural Network Transducers via End-to-End 4-bit Quantization
IBM Research(IBM研究院)
我们报告了积极的量化策略,大大加快了循环神经网络传感器(RNN-T)的推理。我们使用4位整数表示权值和激活,并应用量化感知训练(QAT)来重新训练完整模型(声学编码器和语言模型),并实现近等精度。我们表明,定制的量化方案,是针对网络的本地属性是必不可少的,以实现良好的性能,同时限制QAT的计算开销。密度比语言模型融合在RNN-T工作负载上显示出显着的准确性增益,但它严重增加了推理的计算成本。我们表明,我们的量化策略,使使用大波束宽度的假设搜索,同时实现流兼容的运行时和全模型压缩比为7.6 $\times$相比,全精度模型。通过硬件模拟,我们估计从FP 16到INT 4的端到端量化RNN-T(包括LM融合)的$\times$加速为3.4,导致实时的因子(RTF)为0.06。在NIST Hub 5 2000、Hub 5 2001和RT-03测试集上,我们保留了与LM融合相关的大部分增益,将平均WER提高了$>$ 1.5%。
2022-06-16 cs.CL cs.LG cs.SD
Towards Efficient Large Vision-Language Models: A Comprehensive Survey on Inference Strategies
George Mason University(乔治梅森大学)
本文综述了提升大型视觉语言模型推理效率的最新方法,从视觉token压缩、内存管理、架构设计和解码策略四个维度进行分类,并指出当前方法的局限性及未来研究方向。
2026-04-11 cs.CL cs.CV cs.LG
Empirical Evaluation of Post-Training Quantization Methods for Language Tasks
Hasso Plattner Institute(哈索·普拉特纳研究所);University of Potsdam(波茨坦大学)
像BERT这样的基于transformer的架构在广泛的自然语言任务中取得了巨大的成功。尽管它们的性能不错,但这些模型仍然有许多参数和高计算复杂性,阻碍了它们在资源受限环境中的部署。训练后量化(PTQ)可以在不进行额外训练的情况下进行低位计算,可能是一种很有前途的工具。在这项工作中,我们对BERT-Base和BERT-Large上的三种PTQ方法进行了实证评估:线性量化(LQ),分析限幅量化(ACIQ)和异常通道分裂(OCS)。OCS算法在最小化均方量化误差和避免权值异常值失真方面优于其他算法。这与GLUE基准测试的大多数语言任务和阅读理解任务SQuAD的评估结果一致。此外,低比特量化的BERT模型可以在几个小的语言任务上优于相应的32比特基线,我们将其归因于过度参数化的缓解。我们进一步探讨了量化位的限制,并表明OCS可以将BERT-Base和BERT-Large扩展到3位,并相应地保持GLUE基准测试的98%和96%的性能。此外,我们对整个BERT族进行量化,即,BERT模型在不同的配置,并全面评估其性能上的GLUE基准和SQuAD,希望提供有价值的指导方针,其部署在各种计算环境。
2022-10-29 cs.CL