本研究审查了大型语言模型中的4位量化方法，发现INT4量化在生成类别任务中表现不佳，而FP6量化在准确性和多功能性方面表现出色。提出了一种用于FP6的新颖4+2设计，以适应各种AI硬件并实现最佳系统性能。

本研究审查了大型语言模型中的4位量化方法，发现INT4量化在生成类别任务中表现不佳。实验结果显示，FP6量化在各种算法和任务上表现出色，具有准确性和多功能性优势。为了适应各种AI硬件并实现最佳系统性能，提出了一种用于FP6的新颖4+2设计。FP6有望成为当前LLMs中使用的4位量化方法的解决方案。

本研究审查了大型语言模型中的4位量化方法，发现INT4量化在生成类别任务中表现不佳，而FP6量化在准确性和多功能性方面表现出色。提出了一种用于FP6的新颖4+2设计，以适应各种AI硬件并实现最佳系统性能。