awq 标签归档

共 2 篇文章 · 返回首页

【大模型基础设施工程】14：量化工程 —— INT8 / FP8 / FP4 / AWQ / GPTQ 怎么选

2026-04-22 | architecture · ai-infra | #llm #infra #quantization #fp8 #fp4 #mxfp4 #int8 #int4 #awq #gptq #smoothquant #kv-cache #vllm #tensorrt-llm

decode 受显存带宽限制，量化把权重从 BF16 压到 FP8 或 INT4 就能直接换来显存和延迟收益。本文讲清 FP8/FP4/MX 数据类型、GPTQ/AWQ/SmoothQuant/旋转法各自解决什么问题、KV Cache 量化的收益边界，给出按硬件选位宽的规则和 AutoAWQ + vLLM、TensorRT-LLM FP8 的落地命令。

【Transformer 与注意力机制】51｜量化、蒸馏、剪枝：压缩改变的是三种不同的东西

2026-08-06 | transformer | #transformer #quantization #distillation #pruning #compression #gptq #awq #kv-cache

量化、蒸馏、剪枝常被当成同一件事的三种手段——"让模型变小"，但它们改变的对象、误差来源和失败模式完全不同。本文从 weight-only 与 activation quantization 的假设差异、GPTQ/AWQ/SmoothQuant 的数学分野，讲到 attention、FFN、KV Cache 承受压缩代价的不同，以及 PPL 为什么骗过了很多人的质量评测。