量子位
·
微软1bit LLM新研究：原生4bit激活值量化，可充分利用新一代GPU对4bit计算的原生支持
原文中文，约1800字，阅读约需5分钟。
📝
内容提要
微软推出BitNet v2框架，实现原生4bit激活值量化，充分利用新一代GPU计算能力，提升效率并减少内存带宽。通过H-BitLinear模块优化激活值分布，使低bit量化更有效。实验表明，4bit激活性能与8bit相当，部分任务表现更优。
🎯
关键要点
-
微软推出BitNet v2框架，实现原生4bit激活值量化，充分利用新一代GPU的计算能力。
-
新框架减少内存带宽并提升计算效率，解决了之前8-bit激活值的效率瓶颈问题。
-
引入H-BitLinear模块，通过Hadamard变换优化激活值分布，使低bit量化更有效。
-
实验表明，4bit激活性能与8bit相当，部分任务表现更优。
-
BitNet v2可以从8bit激活版本接着训练，性能损失基本可以忽略不计。
-
在不同模型规模上，BitNet v2的准确率普遍提高，尤其在7B规模上提升了0.61%。
-
低bit注意力状态实验显示，采用3bit KV缓存的BitNet v2在准确率上与全精度版本相当。
-
消融实验验证了Hadamard变换对低bit激活的重要性，未使用旋转变换则模型会发散。
❓
延伸问答
BitNet v2框架的主要创新是什么？
BitNet v2框架实现了原生4bit激活值量化，充分利用新一代GPU的计算能力。
H-BitLinear模块的作用是什么？
H-BitLinear模块通过Hadamard变换优化激活值分布，使低bit量化更有效。
4bit激活的性能与8bit激活相比如何？
实验表明，4bit激活性能与8bit相当，部分任务表现更优。
BitNet v2在不同模型规模上的表现如何？
在不同模型规模上，BitNet v2的准确率普遍提高，尤其在7B规模上提升了0.61%。
低bit注意力状态实验的结果如何？
采用3bit KV缓存的BitNet v2在3B、7B模型上达到了与全精度版本相当的准确率。
BitNet v2如何解决8bit激活的效率瓶颈？
BitNet v2通过原生4bit激活值量化，减少内存带宽并提升计算效率，解决了效率瓶颈问题。
🏷️
