待验证50% 置信事实精确时间

HQQ（Half-Quadratic Quantization）是一种专为极低比特宽度设计的后训练量化方法，通过半二次优化框架最小化量化误差

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

模型压缩如何加剧Whisper语音识别的群体偏差

涉及实体

相关事实

已验证现代量化方案如GPTQ、AWQ及GGUF格式的分组量化，通过逐层校准和异常值保护，可将模型体积缩减75%以上同时保留绝大部分推理能力64% 相似待验证QuIP#、AQLM等方法尝试通过向量量化和码本学习提升极低比特下的精度保持能力64% 相似待验证格点QCD方法将连续时空离散化为格点，通过超级计算机进行数值模拟，用于处理低能标下的非微扰QCD问题64% 相似待验证现代量化方法如 GPTQ、AWQ 通过逐层校准显著缓解了精度退化问题63% 相似已验证现代量化方案如GPTQ、AWQ引入逐层校准和误差补偿机制，将困惑度损失控制在1–2%以内62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949160

API

curl https://kongchang.com/api/v1/knowledge/claims/949160

MCP

get_claim(id=949160)