Bartowski 发文解析 GGUF 量化新方案：按张量布局映射分配位宽
bartowski1182 · x · 2026-09-11
知名量化维护者 Bartowski 在 Hugging Face 发表博客，提出 llama.cpp GGUF 量化中的新「per-tensor layout maps」（按张量布局映射）方法。
- 背景：随着 MoE 模型流行，上游 llama-quant.cpp 算法对超过 8 个专家的模型处理不佳；shexp 张量虽小但对精度敏感。Bartowski 此前维护自己的分支来更好地处理 MoE，但随新模型涌现需要新方案。
- 问题：上游代码与其改动都是 model-agnostic 的，只按张量形状和位置做「动态」位宽分配（如前 1/8、后 1/8 层和每三层中给更高量化值、对注意力层区别处理），上限明显。
- 新思路：为新布局方法设计按张量粒度的映射，让量化位宽分配更贴合具体模型结构。研究部分由 Framework 桌面完成。
所属事件:bartowski 推出 GGUF 逐张量布局新方案，测试全面超越旧版(3 条相关)→
「Infra」频道最新
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- Gary Marcus:补上 Q3 数据后，Anthropic 算力效率增速现拐点 — GaryMarcus · 2026-10-27
- SpaceX 锁定 400 亿美元 GPU 融资，号称史上最大规模 — TechCrunch AI · 2026-10-27
- 推理社区与 K8s 社区高度重合：万亿市场的 Kubernetes 翻版 — matt_slotnick · 2026-10-27
- vLLM 考虑将更多栈迁往 Rust，推理引擎 Rust 化成趋势 — AccBalanced · 2026-10-27