已验证80% 置信事实精确时间
模型量化是将神经网络权重从高精度浮点数压缩为低精度整数的技术
9
来源数
80%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
Ollama：175K Star本地大模型一键运行工具
bilibili比比蜡卜2026/7/1
相关事实
已验证量化是一种模型压缩技术，将模型参数从高精度浮点数降低到更低位数的整数表示79% 相似待验证机器学习原子间势（MLIP）以神经网络拟合势能面，在接近第一性原理精度的同时把计算成本压低数个量级。78% 相似待验证大模型中的参数在数学上是神经网络每条连接边上的权重数值和偏置值，训练前随机初始化，通过反向传播算法和梯度下降不断调整76% 相似待验证SPLADE 是一种学习型稀疏检索模型，通过神经网络为文档生成稀疏向量表示，可在倒排索引上高效运行75% 相似待验证SLICE使用摊销式神经比值估计器（amortized neural ratio estimator）来逼近真实似然比，这是近年模拟推断领域的主流工具74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/113375API
curl https://kongchang.com/api/v1/knowledge/claims/113375MCP
get_claim(id=113375)