SmoothQuant: Accurate and Efficient Post-Training Quantization for Large Language Models

Aktivasyon aykırı değerlerini ağırlıklar üzerine pürüzsüzleştiren matematiksel olarak eşdeğer ölçekleme dönüşümü tasarlayarak Tensor Çekirdeklerinde gerçek W8A8 INT8 matris çarpımını sağladı.

task-text-generation için mimari kararları, hizalama stratejisini ve sunum altyapısını doğrudan yönlendirir.

Temel Varsayımlar (Assumptions)

• Ampirik dağılım düzenliliği geçerlidir ve hedef alan ön eğitim dilsel/görsel desteğine uygundur

Kısıtlar ve Sınırlamalar (Limitations)

• Kaynak ölçekleme, çıkarım bellek gereksinimleri ve hizalama sağlamlığı model boyutuna ve donanım topolojisine göre değişir