LLM 量化入门路线图:9 篇必读论文按序整理
East-Muffin-6472 · reddit · 2026-11-13
Reddit 用户整理了一份面向初学者的 LLM 量化(Quantization)入门论文清单,共 9 篇,覆盖后训练量化、量化感知训练(QAT)与 1-bit 权重三条主线:
- 后训练量化:LLM.int8()、SmoothQuant、ZeroQuant、AWQ(激活感知权重量化)
- QAT:LLM-QAT(无数据 QAT)、EfficientQAT
- 低比特与微调:BitNet(1-bit Transformer)、The Era of 1-bit LLMs(1.58-bit)、QLoRA(量化模型高效微调)
清单发布在 papercase.dev,按社区阅读顺序排列,并以 Coursera 的 Quantization in Depth 课程作基础入口;明确说明未覆盖 GPTQ 及 NVFP4、MXFP4 等更新的低比特格式。适合已懂 Transformer、想系统入门权重/激活量化的工程师。
所属事件:Reddit 用户整理 LLM 量化入门 9 篇必读论文(2 条相关)→
「研究」频道最新
- 运行 40 年、2500 万条规则：被遗忘的常识推理项目 Cyc — ArtificialOther · 2026-11-13
- Open Vision Banana 全开源：Cityscapes 零样本 mIoU 达 73.9 超越原版 — FunAILab · 2026-11-13
- 清华等团队拆解 GPT-6 机器人 Agent：保留完整历史即可大幅提分 — Zefan Wang · 2026-11-13
- 跨场景综述：多模态 Agent 自进化机制为何难以跨场景迁移 — Jingjing Jiang · 2026-11-13
- 分享：Bechtel 等著《认知科学史》经典教材资源 — ArtificialOther · 2026-11-13
- Anthropic 发布 TASTE 基准：最佳模型判安全提案仅 60% 胜过人类 77% — ben_j_todd · 2026-11-13