optimization-awq
Activation-aware weight quantization for 4-bit LLM compression with 3x speedup and minimal accuracy loss. Use when deploying large models (7B-70B) on limited GPU memory, when you need faster inference than GPTQ with better accuracy preservation, or for instruction-tuned and multimodal models. MLSys 2024 Best Paper Award winner.
原文 · 译文未通过检查适用对象:学习与科研。自动收录 · 待核查。
原作者说明节选
从固定版本的 SKILL.md 提取,保留原文语言。以下内容属于作者说明,本站尚未验证安装、兼容或运行结果。
查看英文原文
原文涵盖的主题
- AWQ (Activation-aware Weight Quantization)
- When to use AWQ
- Quick start
- Installation
- Load pre-quantized model
- Quantize your own model
- AWQ vs GPTQ vs bitsandbytes
- Kernel backends
4-bit quantization that preserves salient weights based on activation patterns, achieving 3x speedup with minimal accuracy loss. Use AWQ when: Need 4-bit quantization with <5% accuracy loss Deploying instruction-tuned or chat models (AWQ generalizes better) Want 2.5-3x inference speedup over FP16 Using vLLM for production serving Have Ampere+ GPUs (A100, H100, RTX 40xx) for Marlin kernel support Use GPTQ instead when: Need maximum ecosystem compatibility (more tools support GPTQ) Working with ExLlamaV2 backend specifically Have older GPUs without Marlin support Use bitsandbytes instead when: Need zero calibration overhead (quantize on-the-fly) Want to fine-tune with QLoRA Prefer simpler integration Requirements: Python 3.8+, CUDA 11.8+, Compute Capability 7.5+ Timing: 10-15 min for 7B, 1 hour for 70B models. | Feature | AWQ | GPTQ | bitsandbytes | |---------|-----|------|--------------| | Speedup (4-bit) | 2.5-3x | 2x | 1.5x | | Accuracy loss | <5% | 5-10% | 5-15% | | Calibration | Minimal (128-1K tokens) | More extensive | None | | Overfitting risk | Low | Higher | N/A | | Best for | Production inference | GPU inference | Easy integration | | vLLM support | Native | Yes | Limited
这里只展示节选,请以完整原文和当前要求为准。
- 来源仓库
- davila7/claude-code-templates
- 源文件
- cli-tool/components/skills/ai-research/optimization-awq/SKILL.md
- 固定版本
- 21be197f100a12b8d0dd9a211cc244c8179f84d3
准备条件
- 本条仅收录原作者的技能元数据;请阅读完整说明,确认依赖、许可与使用条件。
第一件可以尝试的小事
先阅读原作者说明,再决定是否在自己的 AI 工具中使用。
对应 AI 工具说明
作者有说明不等于本站实机验证。没有证据时,不自动标为兼容、安全或免费。
来源与内容状态
本条为自动发现的元数据,尚未完成人工文档核查;适用性与运行结果待核查。
原作者:davila7/claude-code-templates · 原作者仓库元数据。文档核查:未核查。最近来源检查:2026-11-09T14:01:43.289Z。
分类由名称、说明与路径规则生成,分类不代表已核实适配。
许可与权利归属
MIT。第三方内容及版权归原作者,使用条件以原文为准。
许可原文 ↗本站没有因同步、复制或用户自报成功而将资源标为运行验证通过。
限制与注意事项
- 元数据收录不代表本站已经安装、适配、实测或进行安全审查。