待验证50% 置信事实精确时间

研究表明Transformer架构中注意力层（Q/K/V投影和输出投影）对精度损失更敏感，而FFN线性层对低精度表示鲁棒性更强，嵌入层和LayerNorm层通常保留高精度

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

LingBot-Video 1.3B 选择性FP8量化实测：采样提速22%

redditr/comfyui2026/7/11

相关事实

待验证对于图像生成Transformer骨干，注意力层的Q/K投影矩阵通常被识别为高敏感层，而FFN层大部分权重可安全压缩至FP8甚至INT881% 相似待验证自动无感梯形校正便利性强，但校正精度与边缘画质损失在同类产品中属于常见权衡，对画质极致要求者建议手动微调。71% 相似待验证适中像素带来更好的高感与连拍缓存表现，但牺牲了细节分辨率，属于速度与画质的均衡取舍69% 相似待验证DiT架构用Transformer块替代了U-Net中的卷积层和注意力层，随着模型参数量增加生成质量提升更显著69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/494670

API

curl https://kongchang.com/api/v1/knowledge/claims/494670

MCP

get_claim(id=494670)