返回全部题目← 上一题81 / 103下一题 →题库/模型基础与推理/Q-6882低比特量化 GEMM 如何融合解包、反量化与矩阵乘来提高效率？知识专题：推理优化与模型压缩题目类型：原理机制技术难度：深入题集来源：1 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录收录题集相关题目收录题集1 个来源，共1 份题集AI系统与训练推理工程阿东玩 AI · AgentGuide · 2 条原题查看题集 →【量化硬件】先问硬件怎么做量化的。 运算器算完一个tile后反量化。然后等整个内积算完再量化送回存储器。 「腾讯」【Marlin算子】极速反量化的marlin算子了解过吗？ 「阿里巴巴」相关题目4 题0274Decoder-only 的 KV Cache 为什么缓存 K、V 而通常不缓存 Q？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0277FlashAttention 为什么能节省显存并提速，是否改变注意力结果？同一知识专题题目类型：原理机制技术难度：进阶相关面经：4 篇0502有哪些大模型推理加速技术？同一知识专题题目类型：方案设计技术难度：进阶相关面经：6 篇0503模型剪枝、GPTQ 与 AWQ 量化方法。同一知识专题题目类型：比较选型技术难度：进阶相关面经：5 篇♥♥♥♥♥← 上一题已到最后一题← 上一题FlashDecoding 如何并行长 KV 序列，与 FlashAttention 有何区别？下一题 →vLLM 从接收请求到逐 Token 生成的推理流程是什么？
