该文综述大语言模型量化研究，涵盖数据无关蒸馏、自适应通道重组、SqueezeLLM、W4A8量化、块量化、多码本量化及SmoothQuant等方法，通过压缩权重、激活值和KV Cache至低位，在降低内存与延迟的同时保持精度并提升硬件效率。