MQA

50%显存削减仅损失3.1%性能：这项研究重新定义了大模型推理的效率边界 大模型推理的显存焦虑，可能即将迎来一个被忽视的解法。 当所有人都在讨论如何通过量化、剪枝来压缩模型体积时，一篇来自工业界的研究...