原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开一种基于低秩字典的大模型量化算法，采用训练后权重量化算法对大模型进行压缩。为了解决在量化比特较低时大模型量化性能下降明显的问题，本发明引入低秩的量化字典量化权重，设置量化字典的秩大于1，不再限制量化字典的秩为1，从而增强了量化字典的表达能力，减小了模型的量化损失。基于梯度的优化算法优化量化字典参数。通过二次量化的方法进一步压缩量化字典参数，使得增大字典的秩带来的额外存储开销很小。本发明可以适用现有主流大模型的压缩，可以把大模型权重从原有的16比特量化到小于4比特。在自然语言生成任务上和
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118095371A
(43)申请公布日2024.05.28
(21)申请号202410239722.6
(22)申请日2024.03.04
(71)申请人南京大学
地址210023
文档评论（0）