待验证70% 置信事实精确时间
混合精度训练由NVIDIA与百度于2018年联合提出，核心思想是在前向与反向传播中使用FP16以降低显存占用并加速计算，同时保留FP32主权重副本用于参数更新
2
来源数
70%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证混合精度训练由 NVIDIA 在 2018 年提出，同时使用 FP32 和 FP16 两种精度81% 相似待验证混合精度训练前向传播用FP16利用Tensor Core加速，参数更新保留FP32以维持数值稳定性，已成为大模型训练的标准做法78% 相似待验证AMP（自动混合精度训练）通过将部分计算从 FP32 降至 FP16 可将 GPU 有效计算吞吐量提升 2-3 倍并减少显存占用75% 相似待验证LTX-Video 引入高效 VAE 压缩和流匹配（Flow Matching）训练目标，使 22B 参数模型在消费级 GPU 上实现近实时推理73% 相似待验证开发者采取混合精度策略，将对质量敏感的层保留在BF16，仅对能从FP8获益的部分做转换72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503799API
curl https://kongchang.com/api/v1/knowledge/claims/503799MCP
get_claim(id=503799)