文章

所有文章。

• 【ICLR 2024】OmniQuant: Omnidirectionally Calibrated Quantization for Large Language Models

  13 Oct, 2026

  OmniQuant 用可学习权重裁剪（LWC）和可学习等价变换（LET），在逐块量化误差最小化框架里用 SGD 学少量量化参数，把 LLM 压到 W4A4/W2A16 并保持接近 QAT 的精度。本文拆解两个模块的公式、代价，以及论文的实验证据与局限。

• 【ICML 2023】FlexRound: Learnable Rounding based on Element-wise Division for Post-Training Quantization

  13 Oct, 2026

  FlexRound 把 PTQ 的权重舍入从逐元素加法改成逐元素除法，用 W_hat = s1·round(W/(s1⊙S2⊙s3)) 同时学习公共网格步长和每个权重的缩放。本文拆解公式、reciprocal 梯度性质、消融实验与实验覆盖。

• 【arXiv】Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models

  更新于:10 Oct, 2026

  从 n-gram 哈希、上下文门控和模型内的数据流出发，解读 DeepSeek Engram 怎样与 Transformer、MoE 配合，核对能力收益，并解释它为何仍然自回归、也不等于推理加速开关。

• BigMoeOnEdge：端侧 MoE 专家流式推理原理与实测

  更新于:10 Oct, 2026

  结合 BigMoeOnEdge 的架构图和两组 Android 端实验，解释专家权重流式加载、缓存与 I/O 调度，并比较 mmap、repack 和 HTP Prefill 的性能边界。

• Jev 到底是什么：结构化决策 API、开源生态与工程边界

  8 Oct, 2026

  从 TypeSafe 官方资料、Jev 解读站、Datawhale Cookbook 和独立论文出发，解释 Jev 的类型化决策 API、概率与置信度，并梳理闭源服务与开源生态的边界。

• QNN W8A16 的 INT32 Bias Overflow：从极小 Scale 到稳定部署

  26 Aug, 2026

  记录 QNN HTP W8A16 中 INT32 bias 溢出的根因、公式、QueOpt 修复方式，以及在真实板端的验证结果。