已验证65% 置信事实精确时间
模型量化是将神经网络权重从高精度浮点数压缩为低精度整数的技术
3
来源数
65%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
Ollama：175K Star本地大模型一键运行工具
bilibili比比蜡卜2026/7/1
相关事实
待验证大模型中的参数在数学上是神经网络每条连接边上的权重数值和偏置值，训练前随机初始化，通过反向传播算法和梯度下降不断调整76% 相似待验证SPLADE 是一种学习型稀疏检索模型，通过神经网络为文档生成稀疏向量表示，可在倒排索引上高效运行75% 相似待验证模型量化（浮点权重压缩为INT8/INT4）和知识蒸馏是实现速度与精度平衡最常用的两类技术手段74% 相似待验证知识蒸馏技术使小模型可从大模型中提取相当比例能力，动摇了固定算力阈值作为能力代理指标的有效性74% 相似待验证研究人员利用图神经网络GNN学习增殖包层中子学仿真，可对任意几何参数组合的TBR值实现亚秒级预测，预测误差控制在1%以内73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/113375API
curl https://kongchang.com/api/v1/knowledge/claims/113375MCP
get_claim(id=113375)