TileQuant：以瓦片为精度分配单元的 LLM 混合精度量化
原文标题：TileQuant: Tile as the Precision-Allocation Unit for LLM Mixed-Precision Post-Training Quantization
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 TileQuant，一种免训练的后训练量化框架，将精度分配给硬件对齐的二维权重瓦片，而非整列。离线校准结合激活感知与梯度敏感度打分，高分瓦片保留 16 位、其余用 8 位。实验显示生成吞吐达原模型 2.66 倍，并在语言建模、推理、长上下文检索等任务上保持质量。
深读 · 结论先行AI 生成展开看要点与影响 ↓
TileQuant按硬件对齐二维权重瓦片分配精度，生成吞吐达原模型2.66倍。
- •指出列内敏感度不均，整列保留高精度会连带保护不敏感权重，运行时离群检测又增加解码开销。
- •免训练PTQ框架，精度分配给硬件对齐的2D瓦片而非整列。
- •离线校准结合前向统计的激活感知打分与损失敏感度的梯度打分。
- •每个投影的保留预算内，最高分瓦片留16位、其余用8位，重建进紧凑权重缓冲供kernel复用。
- •实验达到原模型2.66倍生成吞吐，在语言建模、推理、长上下文检索、问答上保持质量。
为什么重要：混合精度粒度从列细化到瓦片，兼顾质量与硬件效率，对LLM部署降本与量化kernel设计有参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。