Exploring Layer-wise Information Effectiveness for Post-Training Quantization in Small Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xiao, He, Yang, Qingyao, Xie, Dirui, Xu, Wendong, Su, Zunhai, yang, Runming, Zhou, Wenyong, Liu, Haobo, Liu, Zhengwu, Wong, Ngai |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
PTQTP: Post-Training Quantization to Trit-Planes for Large Language Models
par: Xiao, He, et autres
Publié: (2025)
par: Xiao, He, et autres
Publié: (2025)
Binary Weight Multi-Bit Activation Quantization for Compute-in-Memory CNN Accelerators
par: Zhou, Wenyong, et autres
Publié: (2025)
par: Zhou, Wenyong, et autres
Publié: (2025)
Beyond Outliers: A Data-Free Layer-wise Mixed-Precision Quantization Approach Driven by Numerical and Structural Dual-Sensitivity
par: Zhang, Hengyuan, et autres
Publié: (2026)
par: Zhang, Hengyuan, et autres
Publié: (2026)
Distribution-Aware Hadamard Quantization for Hardware-Efficient Implicit Neural Representations
par: Zhou, Wenyong, et autres
Publié: (2025)
par: Zhou, Wenyong, et autres
Publié: (2025)
Can We Trust LLMs on Memristors? Diving into Reasoning Ability under Non-Ideality
par: Wu, Taiqiang, et autres
Publié: (2026)
par: Wu, Taiqiang, et autres
Publié: (2026)
Quantization Meets Reasoning: Exploring LLM Low-Bit Quantization Degradation for Mathematical Reasoning
par: Li, Zhen, et autres
Publié: (2025)
par: Li, Zhen, et autres
Publié: (2025)
XStreamVGGT: Extremely Memory-Efficient Streaming Vision Geometry Grounded Transformer with KV Cache Compression
par: Su, Zunhai, et autres
Publié: (2026)
par: Su, Zunhai, et autres
Publié: (2026)
XStreamVGGT: Extremely Memory-Efficient Streaming Vision Geometry Grounded Transformer with KV Cache Compression
par: Su, Zunhai, et autres
Publié: (2026)
par: Su, Zunhai, et autres
Publié: (2026)
Enhancing Robustness of Implicit Neural Representations Against Weight Perturbations
par: Zhou, Wenyong, et autres
Publié: (2025)
par: Zhou, Wenyong, et autres
Publié: (2025)
MINR: Efficient Implicit Neural Representations for Multi-Image Encoding
par: Zhou, Wenyong, et autres
Publié: (2025)
par: Zhou, Wenyong, et autres
Publié: (2025)
Timber: Training-free Instruct Model Refining with Base via Effective Rank
par: Wu, Taiqiang, et autres
Publié: (2025)
par: Wu, Taiqiang, et autres
Publié: (2025)
Decomposing Densification in Gaussian Splatting for Faster 3D Scene Reconstruction
par: Huang, Binxiao, et autres
Publié: (2025)
par: Huang, Binxiao, et autres
Publié: (2025)
ROMER: Expert Replacement and Router Calibration for Robust MoE LLMs on Analog Compute-in-Memory Systems
par: Zhou, Wenyong, et autres
Publié: (2026)
par: Zhou, Wenyong, et autres
Publié: (2026)
HPD: Hybrid Projection Decomposition for Robust State Space Models on Analog CIM Hardware
par: Feng, Yuannuo, et autres
Publié: (2025)
par: Feng, Yuannuo, et autres
Publié: (2025)
Quantization Meets Reasoning: Exploring and Mitigating Degradation of Low-Bit LLMs in Mathematical Reasoning
par: Li, Zhen, et autres
Publié: (2025)
par: Li, Zhen, et autres
Publié: (2025)
HaLoRA: Hardware-aware Low-Rank Adaptation for Large Language Models Based on Hybrid Compute-in-Memory Architecture
par: Wu, Taiqiang, et autres
Publié: (2025)
par: Wu, Taiqiang, et autres
Publié: (2025)
Extending Straight-Through Estimation for Robust Neural Networks on Analog CIM Hardware
par: Feng, Yuannuo, et autres
Publié: (2025)
par: Feng, Yuannuo, et autres
Publié: (2025)
Re-Activating Frozen Primitives for 3D Gaussian Splatting
par: Cheng, Yuxin, et autres
Publié: (2025)
par: Cheng, Yuxin, et autres
Publié: (2025)
QuadINR: Hardware-Efficient Implicit Neural Representations Through Quadratic Activation
par: Zhou, Wenyong, et autres
Publié: (2025)
par: Zhou, Wenyong, et autres
Publié: (2025)
KVSink: Understanding and Enhancing the Preservation of Attention Sinks in KV Cache Quantization for LLMs
par: Su, Zunhai, et autres
Publié: (2025)
par: Su, Zunhai, et autres
Publié: (2025)
APTQ: Attention-aware Post-Training Mixed-Precision Quantization for Large Language Models
par: Guan, Ziyi, et autres
Publié: (2024)
par: Guan, Ziyi, et autres
Publié: (2024)
CktFormalizer: Autoformalization of Natural Language into Circuit Representations
par: Xiong, Jing, et autres
Publié: (2026)
par: Xiong, Jing, et autres
Publié: (2026)
Perspective-aware 3D Gaussian Inpainting with Multi-view Consistency
par: Cheng, Yuxin, et autres
Publié: (2025)
par: Cheng, Yuxin, et autres
Publié: (2025)
Revisiting Model Interpolation for Efficient Reasoning
par: Wu, Taiqiang, et autres
Publié: (2025)
par: Wu, Taiqiang, et autres
Publié: (2025)
Comparing point‐wise and pair‐wise relevance judgment with brain signals
par: Shuqi Zhu, et autres
Publié: (2024)
par: Shuqi Zhu, et autres
Publié: (2024)
P$^2$-ViT: Power-of-Two Post-Training Quantization and Acceleration for Fully Quantized Vision Transformer
par: Shi, Huihong, et autres
Publié: (2024)
par: Shi, Huihong, et autres
Publié: (2024)
DoPE: Denoising Rotary Position Embedding
par: Xiong, Jing, et autres
Publié: (2025)
par: Xiong, Jing, et autres
Publié: (2025)
Trio-ViT: Post-Training Quantization and Acceleration for Softmax-Free Efficient Vision Transformer
par: Shi, Huihong, et autres
Publié: (2024)
par: Shi, Huihong, et autres
Publié: (2024)
Weight Group-wise Post-Training Quantization for Medical Foundation Model
par: Chen, Yineng, et autres
Publié: (2026)
par: Chen, Yineng, et autres
Publié: (2026)
Shadow-FT: Tuning Instruct Model via Training on Paired Base Model
par: Wu, Taiqiang, et autres
Publié: (2025)
par: Wu, Taiqiang, et autres
Publié: (2025)
Layer-wise Quantization for Quantized Optimistic Dual Averaging
par: Nguyen, Anh Duc, et autres
Publié: (2025)
par: Nguyen, Anh Duc, et autres
Publié: (2025)
Nonparametric Teaching for Graph Property Learners
par: Zhang, Chen, et autres
Publié: (2025)
par: Zhang, Chen, et autres
Publié: (2025)
AnchorTP: Resilient LLM Inference with State-Preserving Elastic Tensor Parallelism
par: Xu, Wendong, et autres
Publié: (2025)
par: Xu, Wendong, et autres
Publié: (2025)
Quantization Error Propagation: Revisiting Layer-Wise Post-Training Quantization
par: Arai, Yamato, et autres
Publié: (2025)
par: Arai, Yamato, et autres
Publié: (2025)
A Time- and Energy-Efficient CNN with Dense Connections on Memristor-Based Chips
par: Zhou, Wenyong, et autres
Publié: (2025)
par: Zhou, Wenyong, et autres
Publié: (2025)
Unveiling Super Experts in Mixture-of-Experts Large Language Models
par: Su, Zunhai, et autres
Publié: (2025)
par: Su, Zunhai, et autres
Publié: (2025)
FlexRound: Learnable Rounding based on Element-wise Division for Post-Training Quantization
par: Lee, Jung Hyun, et autres
Publié: (2023)
par: Lee, Jung Hyun, et autres
Publié: (2023)
EPTQ: Enhanced Post-Training Quantization via Hessian-guided Network-wise Optimization
par: Gordon, Ofir, et autres
Publié: (2023)
par: Gordon, Ofir, et autres
Publié: (2023)
SKIM: Any-bit Quantization Pushing The Limits of Post-Training Quantization
par: Bai, Runsheng, et autres
Publié: (2024)
par: Bai, Runsheng, et autres
Publié: (2024)
Rethinking Kullback-Leibler Divergence in Knowledge Distillation for Large Language Models
par: Wu, Taiqiang, et autres
Publié: (2024)
par: Wu, Taiqiang, et autres
Publié: (2024)
Documents similaires
-
PTQTP: Post-Training Quantization to Trit-Planes for Large Language Models
par: Xiao, He, et autres
Publié: (2025) -
Binary Weight Multi-Bit Activation Quantization for Compute-in-Memory CNN Accelerators
par: Zhou, Wenyong, et autres
Publié: (2025) -
Beyond Outliers: A Data-Free Layer-wise Mixed-Precision Quantization Approach Driven by Numerical and Structural Dual-Sensitivity
par: Zhang, Hengyuan, et autres
Publié: (2026) -
Distribution-Aware Hadamard Quantization for Hardware-Efficient Implicit Neural Representations
par: Zhou, Wenyong, et autres
Publié: (2025) -
Can We Trust LLMs on Memristors? Diving into Reasoning Ability under Non-Ideality
par: Wu, Taiqiang, et autres
Publié: (2026)