1 位 LLM 可以解决人工智能的能源需求 (spectrum.ieee.org)

大型语言模型（LLM）虽然功能越来越强大，但体积和能耗也在不断增加。为解决这个问题，研究人员正在探索将存储在 LLM 中的大量高精度数字简化为 1 或 -1 的方法，即 1 位 LLM。目前主要有两种方法：训练后量化（PTQ）和量化感知训练（QAT）。PTQ 将已训练模型的参数量化，而 QAT 从一开始就以低精度参数训练模型。研究表明，1 位 LLM 在性能接近全精度模型的同时，能耗更低，速度更快，有望运行在手机等设备上。