Log_bQuant 改写 4-bit 量化:TUM 让 14B LLM 保住 72.97% MMLU

慕尼黑工业大学 Georg Groh 组本周挂出 Log_bQuant(arXiv:2607.01127),把 GPTQ 4-bit 量化从线性码本搬到对数码本,让 base b 成为每个张量可学习的参数。论文覆盖 8 个模型(Llama-3.1/3.2 + Qwen3 五个尺寸),在 4-bit 设定下线性量化把全部模型打到随机水平(MMLU 跌到 24-25%);Log_bQuant 4-bit 让 Qwen3-14B 保住 72.97% MMLU、Qwen3-8B 拿到 66.02%,综合精度相比 bf16 仅损失约 6 个百分点。工程实现用能量剪枝 ε=4×10⁻³ 收紧有效范围,搭配 FLUTE kernel 查找表做对数反量化,Qwen3-14B 单请求拿到 1.51× 加速,峰值显存从 28.88GB 砍到 10.10GB(节省 65%),刚好塞进 RTX 5070 12GB 显存,让消费级 GPU 跑 14B 模型真正可行。