待验证50% 置信事实精确时间

与INT4纯整数量化不同，浮点格式能更好地表示接近零的小数值

1

来源数

50%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

NVFP4强化学习训练：4位量化稳定性挑战与工程实践

相关事实

待验证q4_0使用对称量化（零点固定为0），q4_1使用非对称量化（零点可浮动），后者在数值分布不对称时更精确但需额外存储零点参数70% 相似待验证FP4格式仅有4位（1位符号、2位指数、1位尾数），仅能精确表示约16个离散值65% 相似待验证4-bit量化只能表示16个离散值，1-bit只有2个，三元量化（-1/0/+1）只有3个可能值65% 相似待验证Python的浮点数遵循IEEE 754双精度浮点数标准，使用64位二进制来表示一个小数62% 相似待验证INT4量化将原本由65536个不同值（FP16）表示的权重压缩到仅16个离散级别62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/510043

API

curl https://kongchang.com/api/v1/knowledge/claims/510043

MCP

get_claim(id=510043)