> [!ВАЖНО] > Уведомление об именовании (10 апреля 2026 г.). Метод «HLWQ», используемый в этой модели, переименовывается в HLWQ (Весовое квантование по Адамару-Ллойду). Изменение касается только имени; алгоритм и веса в этом репозитории не изменились. > > Ребрендинг устраняет конфликт имен с несвязанным, более ранним методом квантования кэша KV, также называемым HLWQ (Han et al., arXiv:2502.02617, 2025). HLWQ обеспечивает весовое квантование с помощью детерминированного вращения Уолша-Адамара и скалярной кодовой книги Ллойда-Макса; HLWQ Хана и др. касается квантования KV-кеша со случайным вращением полярностей. Эти два метода технически различны. > > Существующие загрузчики, загружающие этот репозиторий по ID, продолжают работать без изменений. В будущих загрузках моделей будет использоваться имя HLWQ. > > Справочный документ по этой методике: arXiv:2603.29078 (версия 2 находится в стадии подготовки; версия 1 все еще использует старое имя). > 35B Mixture-of-Experts, квантованные до INT4 — изначально загружаются в vLLM с ядром Marlin. Ноль плагинов, ноль пользовательского кода. Исходный флаг —language-model-only был удален из последних сборок vLLM. Текущая версия vLLM (0.17.1rc1+) требует немного другого вызова, поскольку в конфигурации модели указано…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: caiovicentino1
Теги: qwen3_5_moe, hlwq, compressed-tensors, int4, moe, mixture-of-experts, vllm, marlin
Лайков: 7 | Загрузок: 14
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
