SKIM量化论文：任意位宽分配与缩放聚类

这份资料解决的问题

SKIM讨论的不只是常见INT4或INT8，而是怎样按通道敏感性分配位宽并优化聚类缩放。模型文件的平均位宽、GPU实际执行格式和运行时反量化开销必须区分。阅读实验时应同时核对困惑度、任务准确率、校准成本和是否存在目标GPU可用的内核，不能只凭压缩率决定采购。

原始研究资料

原文题名：SKIM: Any-bit Quantization Pushing The Limits of Post-Training Quantization。

作者：Runsheng Bai、Bo Liu、Qiang Liu。

原始发表入口：SKIM: Any-bit Quantization Pushing The Limits of Post-Training Quantization。本页上方提供完整、未经删改的原始PDF，可在线阅读或直接下载。中文文字是独立导读，不冒充全文译文；实验设置、算法公式、消融结果和附录以完整PDF为准。

引用与许可

原始文献及本文引用请保留作者、题名、原发表机构与原文地址。原文采用CC BY 4.0许可，本地副本保留原有署名和出版信息。