Which Quantization Should I Use? A Unified Evaluation of llama.cpp Quantization on Llama-3.1-8B-Instruct
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Kurt, Uygar |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Forensic Implications of Localized AI: Artifact Analysis of Ollama, LM Studio, and llama.cpp
par: Murtuza, Shariq
Publié: (2026)
par: Murtuza, Shariq
Publié: (2026)
Pruning vs Quantization: Which is Better?
par: Kuzmin, Andrey, et autres
Publié: (2023)
par: Kuzmin, Andrey, et autres
Publié: (2023)
Llama Scope: Extracting Millions of Features from Llama-3.1-8B with Sparse Autoencoders
par: He, Zhengfu, et autres
Publié: (2024)
par: He, Zhengfu, et autres
Publié: (2024)
Inspection and Control of Self-Generated-Text Recognition Ability in Llama3-8b-Instruct
par: Ackerman, Christopher, et autres
Publié: (2024)
par: Ackerman, Christopher, et autres
Publié: (2024)
Domain Adaptation of Llama3-70B-Instruct through Continual Pre-Training and Model Merging: A Comprehensive Evaluation
par: Siriwardhana, Shamane, et autres
Publié: (2024)
par: Siriwardhana, Shamane, et autres
Publié: (2024)
Llama-3.1-FoundationAI-SecurityLLM-Reasoning-8B Technical Report
par: Yang, Zhuoran, et autres
Publié: (2026)
par: Yang, Zhuoran, et autres
Publié: (2026)
Production-Grade Local LLM Inference on Apple Silicon: A Comparative Study of MLX, MLC-LLM, Ollama, llama.cpp, and PyTorch MPS
par: Rajesh, Varun, et autres
Publié: (2025)
par: Rajesh, Varun, et autres
Publié: (2025)
FP8 Quantization: The Power of the Exponent
par: Kuzmin, Andrey, et autres
Publié: (2022)
par: Kuzmin, Andrey, et autres
Publié: (2022)
Compression Scaling Laws:Unifying Sparsity and Quantization
par: Frantar, Elias, et autres
Publié: (2025)
par: Frantar, Elias, et autres
Publié: (2025)
UniComp: A Unified Evaluation of Large Language Model Compression via Pruning, Quantization and Distillation
par: von Rad, Jonathan, et autres
Publié: (2026)
par: von Rad, Jonathan, et autres
Publié: (2026)
A Quantized VAE-MLP Botnet Detection Model: A Systematic Evaluation of Quantization-Aware Training and Post-Training Quantization Strategies
par: Wasswa, Hassan, et autres
Publié: (2025)
par: Wasswa, Hassan, et autres
Publié: (2025)
QuantKAN: A Unified Quantization Framework for Kolmogorov Arnold Networks
par: Fuad, Kazi Ahmed Asif, et autres
Publié: (2025)
par: Fuad, Kazi Ahmed Asif, et autres
Publié: (2025)
Which Augmentation Should I Use? An Empirical Investigation of Augmentations for Self-Supervised Phonocardiogram Representation Learning
par: Ballas, Aristotelis, et autres
Publié: (2023)
par: Ballas, Aristotelis, et autres
Publié: (2023)
SqueezeLLM: Dense-and-Sparse Quantization
par: Kim, Sehoon, et autres
Publié: (2023)
par: Kim, Sehoon, et autres
Publié: (2023)
Benchmarking Post-Training Quantization in LLMs: Comprehensive Taxonomy, Unified Evaluation, and Comparative Analysis
par: Zhao, Jiaqi, et autres
Publié: (2025)
par: Zhao, Jiaqi, et autres
Publié: (2025)
Unified Stochastic Framework for Neural Network Quantization and Pruning
par: Zhang, Haoyu, et autres
Publié: (2024)
par: Zhang, Haoyu, et autres
Publié: (2024)
An Empirical Study of Qwen3 Quantization
par: Zheng, Xingyu, et autres
Publié: (2025)
par: Zheng, Xingyu, et autres
Publié: (2025)
A Comprehensive Evaluation on Quantization Techniques for Large Language Models
par: Liu, Yutong, et autres
Publié: (2025)
par: Liu, Yutong, et autres
Publié: (2025)
A Systematic Evaluation of On-Device LLMs: Quantization, Performance, and Resources
par: Song, Qingyu, et autres
Publié: (2025)
par: Song, Qingyu, et autres
Publié: (2025)
Understanding Efficiency: Quantization, Batching, and Serving Strategies in LLM Energy Use
par: Delavande, Julien, et autres
Publié: (2026)
par: Delavande, Julien, et autres
Publié: (2026)
Activation Sensitivity as a Unifying Principle for Post-Training Quantization
par: Xu, Bruce Changlong
Publié: (2026)
par: Xu, Bruce Changlong
Publié: (2026)
QFT: Quantized Full-parameter Tuning of LLMs with Affordable Resources
par: Li, Zhikai, et autres
Publié: (2023)
par: Li, Zhikai, 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)
Learning Unified User Quantized Tokenizers for User Representation
par: He, Chuan, et autres
Publié: (2025)
par: He, Chuan, 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)
Operationalizing Quantized Disentanglement
par: Barin-Pacela, Vitoria, et autres
Publié: (2025)
par: Barin-Pacela, Vitoria, et autres
Publié: (2025)
Matryoshka Quantization
par: Nair, Pranav, et autres
Publié: (2025)
par: Nair, Pranav, et autres
Publié: (2025)
How to Parameterize Asymmetric Quantization Ranges for Quantization-Aware Training
par: You, Jaeseong, et autres
Publié: (2024)
par: You, Jaeseong, et autres
Publié: (2024)
KVQuant: Towards 10 Million Context Length LLM Inference with KV Cache Quantization
par: Hooper, Coleman, et autres
Publié: (2024)
par: Hooper, Coleman, et autres
Publié: (2024)
Efficient Evaluation of Quantization-Effects in Neural Codecs
par: Mack, Wolfgang, et autres
Publié: (2025)
par: Mack, Wolfgang, et autres
Publié: (2025)
LPCD: Unified Framework from Layer-Wise to Submodule Quantization
par: Ichikawa, Yuma, et autres
Publié: (2025)
par: Ichikawa, Yuma, et autres
Publié: (2025)
Online Vector Quantized Attention
par: Alonso, Nick, et autres
Publié: (2026)
par: Alonso, Nick, et autres
Publié: (2026)
On the Spectral Flattening of Quantized Embeddings
par: Huang, Junlin, et autres
Publié: (2026)
par: Huang, Junlin, et autres
Publié: (2026)
Pyramid Vector Quantization for LLMs
par: van der Ouderaa, Tycho F. A., et autres
Publié: (2024)
par: van der Ouderaa, Tycho F. A., et autres
Publié: (2024)
CodeQuant: Unified Clustering and Quantization for Enhanced Outlier Smoothing in Low-Precision Mixture-of-Experts
par: Yin, Xiangyang, et autres
Publié: (2026)
par: Yin, Xiangyang, et autres
Publié: (2026)
UniQL: Unified Quantization and Low-rank Compression for Adaptive Edge LLMs
par: Chiang, Hung-Yueh, et autres
Publié: (2025)
par: Chiang, Hung-Yueh, et autres
Publié: (2025)
Preserve-Then-Quantize: Balancing Rank Budgets for Quantization Error Reconstruction in LLMs
par: Cho, Yoonjun, et autres
Publié: (2026)
par: Cho, Yoonjun, et autres
Publié: (2026)
Quantization Error Propagation: Revisiting Layer-Wise Post-Training Quantization
par: Arai, Yamato, et autres
Publié: (2025)
par: Arai, Yamato, et autres
Publié: (2025)
Divide-or-Conquer? Which Part Should You Distill Your LLM?
par: Wu, Zhuofeng, et autres
Publié: (2024)
par: Wu, Zhuofeng, et autres
Publié: (2024)
Efficient Post-training Quantization with FP8 Formats
par: Shen, Haihao, et autres
Publié: (2023)
par: Shen, Haihao, et autres
Publié: (2023)
Documents similaires
-
Forensic Implications of Localized AI: Artifact Analysis of Ollama, LM Studio, and llama.cpp
par: Murtuza, Shariq
Publié: (2026) -
Pruning vs Quantization: Which is Better?
par: Kuzmin, Andrey, et autres
Publié: (2023) -
Llama Scope: Extracting Millions of Features from Llama-3.1-8B with Sparse Autoencoders
par: He, Zhengfu, et autres
Publié: (2024) -
Inspection and Control of Self-Generated-Text Recognition Ability in Llama3-8b-Instruct
par: Ackerman, Christopher, et autres
Publié: (2024) -
Domain Adaptation of Llama3-70B-Instruct through Continual Pre-Training and Model Merging: A Comprehensive Evaluation
par: Siriwardhana, Shamane, et autres
Publié: (2024)