可将1

要点:1.ISTA的研究人员提出了QMoE模型量化方法，可以将1.6万亿参数的SwitchTransformer压缩至160GB以下，每参数仅0.8位，实现了高达20倍的压缩率。2.这种压缩框架通过专门设计的GPU解码内核实现，能在一天内将庞大的模型压缩至适用于4张英伟达RTXA6000或8张英伟达RTX3090GPU的大小，而开销不到未压缩模型的5%。