MxMoE：混合精度专家量化与GroupGEMM协同设计

这份资料解决的问题

不同专家的激活频率与量化敏感性会共同影响运行效率。MxMoE把位宽配置和混合精度GroupGEMM内核联动设计，因此比单纯压缩权重更接近系统问题。复现应保存每层位宽、校准样本、内核编译参数与硬件型号，同时记录模型质量和端到端延迟，不把混合格式总大小当成GPU执行性能。

原始研究资料

原文题名：MxMoE: Mixed-precision Quantization for MoE with Accuracy and Performance Co-Design。

作者：Haojie Duanmu、Xiuhong Li、Zhihang Yuan、Size Zheng、Jiangfei Duan、Xingcheng Zhang、Dahua Lin。

原始发表入口：MxMoE: Mixed-precision Quantization for MoE with Accuracy and Performance Co-Design。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。