待验证50% 置信基准精确时间

当BiLSTM被限制到与量子模型匹配的参数预算时，性能大幅下降，平均精度均值（MAP）下滑了3.63个百分点。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

量子机器学习做内容推荐：参数量仅为BiLSTM的1/379

rss2026/10/15

涉及实体

相关事实

已验证对于参数量大于30B的模型，4-bit量化造成的性能损失通常在基准测试中下降1-3%，但对小模型影响更显著73% 相似已验证研究表明在 Q4 及以上精度时，大多数任务的性能损失在 1–3% 以内71% 相似待验证Qwen3.8比3.6慢，预填充和推理速度分别下降约四成和两成71% 相似待验证量化程度越高（如 Q4）占用显存越少，但生成质量会有所下降69% 相似待验证一项针对GPT-4的研究显示，对MMLU题目进行语义等价改写后，模型准确率在部分子集上下降超过10个百分点68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1046744

API

curl https://kongchang.com/api/v1/knowledge/claims/1046744

MCP

get_claim(id=1046744)