待验证50% 置信事实精确时间

量化引入的误差会随网络深度逐层累积，最终影响模型输出质量

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

ERRC：用熵再投资压缩张量并行LLM的GPU通信

涉及实体

量化误差concept

相关事实

待验证朴素训练后量化会导致单个权重误差在多层网络中累积放大，即复合误差，在2位或1位精度下模型结构会崩溃76% 相似待验证量化的核心挑战在于处理权重分布中的异常值，LLM权重中少量极大值会显著放大量化误差74% 相似待验证随着输入损坏程度加深，不同模型之间的性能差距反而收窄73% 相似待验证级联架构面临的核心挑战是误差传播，上游模型的偏差会被放大传递到下游73% 相似待验证同一个模型在不同Prompt设计下，输出质量可以产生数量级的差距73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/972863

API

curl https://kongchang.com/api/v1/knowledge/claims/972863

MCP

get_claim(id=972863)