SLQ 将大模型量化到 3.3 bits/参数且还能提速

TheZachMueller · x · 2026-07-24

SLQ 把 LLM 量化做到 3.3 bits/参数，还能提速

这篇论文提出 SLQ（Statistically-Lossless Quantization），主张量化不必在“保持模型质量”和“加速推理”之间二选一。

论文先区分两种“无损”：
任务无损：零样本基准的准确率仍在自然采样波动范围内；
分布无损：量化后模型的 next-token 分布与原模型几乎不可区分。
作者还提出 EAR（Expected Acceptance Rate）作为直观可解释的保真度指标，例如 EAR ≥ 0.99 可理解为 99% token 一致。
论文证明了一个方差定律：对称量化会让噪声方差相对非对称量化按 γ² 放大，因此想做分布级保真，非对称量化是前提。
实验上，SLQ 在部分模型上做到低于 4 bits/参数的任务无损压缩，最低到 3.3 bits/参数；分布无损则可做到 5–6 bits/参数，并在优化 kernel 下获得 1.7–3.6× 的推理吞吐提升。

代码已开源到 IST-DASLab/SLQ。

「Infra」频道最新