本研究提出了一种创新方法，解决大型语言模型处理结构化表格数据的不足。通过多层次分区和自适应量化机制，改善了稀疏高基数字段和数值推理的挑战，实现了交易与文本的有效交互，并在合成支付交易数据集上验证了其有效性。

本研究提出了一种新的自适应量化方案，可在时间序列Transformer模型上减少计算开销，同时保持可接受的精度。该方法在真实数据和混合精度量化中具有鲁棒性，为模型量化和部署决策提供了指导，同时为进一步发展量化技术奠定基础。