我要投稿

低比特权量化的Llama3模型效果有多好？

发布日期：2024-04-25 12:00:21 浏览次数： 2381 来源：PaperAgent

Meta最近发布的LLAMA3模型迅速成为最强大的大型语言模型（LLM）系列，引起了研究人员的极大兴趣。基于这一势头，全面评估LLAMA3在各种低比特权量化技术中的性能，包括后训练量化和LoRA微调量化：

8bit 量化基本无损失；
AWQ 4bit量化对8B模型来说有2%性能损失，对70B模型只有0.05%性能损失；
参数越大的模型，低bit量化损失越低，AWQ 3bit 70B 也只有2.7%性能损失。

LLaMA3-8B/LLaMA3-70B实证研究的概述

详细实验与结论：

?主要关注两种主要的量化方法：后训练量化（Post-Training Quantization，PTQ）和LoRA微调（LoRA-FineTuning，LoRA-FT）量化。

? 评估了多种最先进的量化方法，涵盖了一系列比特宽度（从1到8位）。这包括RTN（四舍五入到最近）、GPTQ、AWQ、SmoothQuant、PB-LLM、QuIP、DB-LLM、BiLLM、QLoRA和IR-QLoRA等方法。每种方法都采用不同的技术来量化权重和激活，旨在在最大化压缩的同时最小化精度损失。

? 评估是在多样化的数据集上进行的，包括WikiText2、C4、PTB、常识问答数据集（PIQA、ARC-e、ARC-c、HellaSwag、Winogrande）和MMLU基准测试。这确保了结果代表了LLAMA3在不同任务和领域的表现。

? 结果显示，当量化到较低比特宽度时，LLAMA3会经历明显的性能下降。虽然仍然优于其他模型，但这突出了在资源有限的设备上部署LLAMA3的挑战。

? 像PB-LLM、DB-LLM和BiLLM这样的二值化LLM量化方法在超低比特宽度（≤2位）下显示出实现更高准确性的希望，与GPTQ和AWQ等方法相比。这些方法采用混合精度量化、双重二值化和残差近似等技术，在实现高压缩的同时保持准确性。

? 有趣的是，LLAMA3在LoRA-FT量化下的性能并没有像预期的那样提高。研究表明，LLAMA3在庞大数据集上的预训练使得在较小数据集上进行的低秩微调难以弥补量化误差。这对像LLAMA3这样的强大模型的LoRA-FT量化技术提出了新的范式要求。

LLAMA3-8B模型后训练量化的评估结果

LLAMA3-70B模型后训练量化的评估结果

在Alpaca数据集上对LLAMA3-8B模型进行LoRA-FT（低秩微调）量化

How Good Are Low-bit Quantized LLAMA3 Models? An Empirical Studyhttps://arxiv.org/pdf/2404.14047https://github.com/Macaronlin/LLaMA3-Quantizationhttps://twitter.com/9hills/status/1783271853790015828

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

本地部署大模型？看这篇就够了，Ollama 部署和实战

2024-08-13

万字长文解析：大模型需要怎样的硬件算力

2024-03-30

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

2024-04-26

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

2024-05-10

一文带你了解大模型——智能体（Agent）

2024-05-28

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

2024-04-12

更改ollama模型存储路径

2024-04-25

Ollama 本地运行大模型(LLM)完全指南

2024-07-25

太强了！10大开源大模型！

2024-05-06

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

2024-07-18

大家都在问

3种RAG方法深度对比！知识图谱为何让微软GraphRAG脱颖而出？

2025-01-18

AI Agent酣战：群雄逐鹿，鹿死谁手？

2025-01-18

RAG一周出Demo，半年上不了线，怎么破？

2025-01-18

构建企业私有RAG大模型: (可商用)DeepSeek-V3开源部署，真的强吗？

2025-01-16

大模型训练和推理阶段为什么需要GPU、TPU等硬件加速？

2025-01-15

2025年，大模型厂商将激战企业级市场，赢家会是谁？

2025-01-15

如何本地部署AI模型？

2025-01-14

向量数据库真的能满足所有 AI Agent 的记忆需求吗？

2025-01-14

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

Meta最近发布的LLAMA3模型迅速成为最强大的大型语言模型（LLM）系列，引起了研究人员的极大兴趣。基于这一势头，全面评估LLAMA3在各种低比特权量化技术中的性能，包括后训练量化和LoRA微调量化：

8bit 量化基本无损失；

AWQ 4bit量化对8B模型来说有2%性能损失，对70B模型只有0.05%性能损失；

参数越大的模型，低bit量化损失越低，AWQ 3bit 70B 也只有2.7%性能损失。

LLaMA3-8B/LLaMA3-70B实证研究的概述

? 结果显示，当量化到较低比特宽度时，LLAMA3会经历明显的性能下降。虽然仍然优于其他模型，但这突出了在资源有限的设备上部署LLAMA3的挑战。

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

本地部署大模型？看这篇就够了，Ollama 部署和实战

万字长文解析：大模型需要怎样的硬件算力

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

一文带你了解大模型——智能体（Agent）

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

更改ollama模型存储路径

Ollama 本地运行大模型(LLM)完全指南

太强了！10大开源大模型！

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

大家都在问

3种RAG方法深度对比！知识图谱为何让微软GraphRAG脱颖而出？

AI Agent酣战：群雄逐鹿，鹿死谁手？

RAG一周出Demo，半年上不了线，怎么破？

构建企业私有RAG大模型: (可商用)DeepSeek-V3开源部署，真的强吗？

大模型训练和推理阶段为什么需要GPU、TPU等硬件加速？

2025年，大模型厂商将激战企业级市场，赢家会是谁？

如何本地部署AI模型？

向量数据库真的能满足所有 AI Agent 的记忆需求吗？

热门标签

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

Meta最近发布的LLAMA3模型迅速成为最强大的大型语言模型（LLM）系列，引起了研究人员的极大兴趣。基于这一势头，全面评估LLAMA3在各种低比特权量化技术中的性能，包括后训练量化和LoRA微调量化：

8bit 量化基本无损失；

AWQ 4bit量化对8B模型来说有2%性能损失，对70B模型只有0.05%性能损失；

参数越大的模型，低bit量化损失越低，AWQ 3bit 70B 也只有2.7%性能损失。

LLaMA3-8B/LLaMA3-70B实证研究的概述

? 结果显示，当量化到较低比特宽度时，LLAMA3会经历明显的性能下降。虽然仍然优于其他模型，但这突出了在资源有限的设备上部署LLAMA3的挑战。

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

本地部署大模型？看这篇就够了，Ollama 部署和实战

万字长文解析：大模型需要怎样的硬件算力

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

一文带你了解大模型——智能体（Agent）

OLLama详细的 api 介绍 不完全指南 python 直接调用 OLLama api 翻译助手演示

更改ollama模型存储路径

Ollama 本地运行大模型(LLM)完全指南

太强了！10​大开源大模型！

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

大家都在问

3种RAG方法深度对比！知识图谱为何让微软GraphRAG脱颖而出？

AI Agent酣战：群雄逐鹿，鹿死谁手？

RAG一周出Demo，半年上不了线，怎么破？

构建企业私有RAG大模型: (可商用)DeepSeek-V3开源部署，真的强吗？

大模型训练和推理阶段为什么需要GPU、TPU等硬件加速？

2025年，大模型厂商将激战企业级市场，赢家会是谁？

如何本地部署AI模型？

向量数据库真的能满足所有 AI Agent 的记忆需求吗？

热门标签

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

太强了！10大开源大模型！