對大模型進行量化、剪枝等壓縮操作，是部署時最常見不過的一環(huán)了。

不過，這個極限究竟有多大？

清華大學和哈工大的一項聯(lián)合研究給出的答案是：

90%。

他們提出了大模型1bit極限壓縮框架OneBit，首次實現(xiàn)大模型權重壓縮超越90%并保留大部分（83%）能力。

可以說，玩兒的就是“既要也要”～

一起來看看。

大模型1bit量化方法來了

從剪枝、量化，到知識蒸餾、權重低秩分解，大模型已經(jīng)可以實現(xiàn)壓縮四分之一權重而幾乎無損。

權重量化通常是指把大模型的參數(shù)轉化為低位寬的表示，可以通過對充分訓練后的模型進行轉換（PTQ）或在訓練中引入量化步驟（QAT）來實現(xiàn)。

然而，現(xiàn)有量化方法在低于3bit時面臨嚴重的性能損失，這主要是由于：

1. 現(xiàn)有的參數(shù)低位寬表示方法在1bit時存在嚴重的精度損失。基于Round-To-Nearest方法的參數(shù)以1bit表示時，其轉換的縮放系數(shù)s和零點z會失去實際意義。
2. 現(xiàn)有的1bit模型結構沒有充分考慮到浮點精度的重要性。浮點參數(shù)的缺失可能影響模型計算過程的穩(wěn)定性，嚴重降低其本身的學習能力。

為了克服1bit超低位寬量化的阻礙，作者提出一種全新的1bit模型框架：OneBit，它包括全新的1bit線性層結構、基于SVID的參數(shù)初始化方法和基于量化感知知識蒸餾的深度遷移學習。

這種新的1bit模型量化方法能夠以極大的壓縮幅度、超低的空間占用和有限的計算成本，保留原模型絕大部分的能力。這對于實現(xiàn)大模型在PC端甚至智能手機上的部署意義非凡。

整體框架

OneBit框架總體上可以包括：全新設計的1bit模型結構、基于原模型初始化量化模型參數(shù)的方法以及基于知識蒸餾的深度能力遷移。

這種全新設計的1bit模型結構能夠有效克服以往量化工作在1bit量化時嚴重的精度損失問題，并且在訓練、遷移過程中表現(xiàn)出出色的穩(wěn)定性。

量化模型的初始化方法能為知識蒸餾設置更好的起點，加速收斂的同時獲得更加的能力遷移效果。

1、1bit模型結構

1bit要求每個權重值只能用1bit表示，所以最多只有兩種可能的狀態(tài)。

作者選用±1作為這兩種狀態(tài)，好處就是，它代表了數(shù)字系統(tǒng)中的兩種符號、功能更加完備，同時可以通過Sign(·)函數(shù)方便地獲得。

作者的1bit模型結構是通過把FP16模型的所有線性層（嵌入層和lm_head除外）替換為1bit線性層實現(xiàn)的。

這里的1bit線性層除通過Sign(·)函數(shù)獲得的1bit權重之外，還包括另外兩個關鍵組件—FP16精度的值向量。

△FP16線性層與OneBit線性層的對比

這種設計不僅保持了原始權重矩陣的高秩，而且通過值向量提供了必要的浮點精度，對保證穩(wěn)定且高質(zhì)量的學習過程很有意義。

從上圖可以看出，只有值向量g和h保持FP16格式，而權重矩陣則全部由±1組成。

作者通過一個例子可以一觀OneBit的壓縮能力。

假設壓縮一個40964096的FP16線性層，OneBit需要一個40964096的1bit矩陣和兩個4096*1的FP16值向量。

這里面總的位數(shù)為16,908,288，總的參數(shù)個數(shù)為16,785,408，平均每個參數(shù)占用僅僅約1.0073 bit。

這樣的壓縮幅度是空前的，可以說是真正的1bit LLM。

2、參數(shù)初始化和遷移學習

為了利用充分訓練好的原模型更好地初始化量化后的模型，作者提出一種新的參數(shù)矩陣分解方法，稱為“值-符號獨立的矩陣分解（SVID）”。

這一矩陣分解方法把符號和絕對值分開，并把絕對值進行秩-1近似，其逼近原矩陣參數(shù)的方式可以表示成：

秩-1近似可以通過常用矩陣分解方法實現(xiàn)，例如奇異值分解（SVD）和非負矩陣分解（NMF）。

作者在數(shù)學上給出，這種SVID方法可以通過交換運算次序來和1bit模型框架相匹配，進而實現(xiàn)參數(shù)初始化。

此外，符號矩陣在分解過程中對近似原矩陣的貢獻也被證明，詳情見論文。

作者認為，解決大模型超低位寬量化的有效途徑可能是量化感知訓練QAT。

因此，在SVID給出量化模型的參數(shù)起點后，作者把原模型作為教師模型并通過知識蒸餾從中學習。

具體而言，學生模型主要接受教師模型的logits和hidden state的指導。

訓練時，值向量和參數(shù)矩陣的值會被更新，而在部署時，則可以直接使用量化后的1bit參數(shù)矩陣進行計算。

模型越大，效果越好

作者選擇的基線是FP16 Transformer、GPTQ、LLM-QAT和OmniQuant。

后三個都屬于量化領域中經(jīng)典的強基線，特別是OmniQuant是自作者之前最強的2bit量化方法。

由于目前還沒有1bit權重量化的研究，作者只對OneBit框架使用1bit權重量化，而對其他方法采取2bit量化設置。

對于蒸餾數(shù)據(jù)，作者仿照LLM-QAT利用教師模型自采樣的方式產(chǎn)生數(shù)據(jù)。

作者從1.3B到13B不同大小、OPT和LLaMA-1/2不同系列的模型來證明OneBit的有效性。在評價指標上，使用驗證集的困惑度和常識推理的Zero-shot準確度。詳情見論文。

上表展示了OneBit相比于其他方法在1bit量化時的優(yōu)勢。值得注意的是，模型越大時，OneBit效果往往越好。

隨著模型規(guī)模增大，OneBit量化模型降低的困惑度比FP16模型降低的困惑度要多。

以下是幾種不同小模型的常識推理、世界知識和空間占用情況：

作者還比較了幾種不同類型小模型的大小和實際能力。

作者發(fā)現(xiàn)，盡管OneBit-7B平均位寬最小、占用的空間最小、訓練的步數(shù)也相對少，但它在常識推理能力上不遜于其他模型。

同時作者也發(fā)現(xiàn)，OneBit-7B模型在社會科學領域出現(xiàn)較嚴重的知識遺忘。

△FP16線性層與OneBit線性層的對比一個OneBit-7B指令微調(diào)后的文本生成例子

上圖還展示了一個OneBit-7B指令微調(diào)后的文本生成例子。可見，OneBit-7B有效地受到了SFT階段的能力增益，可以比較流暢地生成文本，盡管總參數(shù)只有1.3GB（與FP16的0.6B模型相當）。總的來說，OneBit-7B展示出了其實際應用價值。

分析與討論

作者展示了OneBit對不同規(guī)模LLaMA模型的壓縮比，可以看出，OneBit對模型的壓縮比均超過驚人的90%。

特別是，隨著模型增大，OneBit的壓縮比越高。

這顯示出作者方法在更大模型上的優(yōu)勢：以更高的壓縮比獲得更大的邊際收益（困惑度）。此外，作者的方法在大小和性能之間做到了很好的權衡。

1bit量化模型在計算上具有優(yōu)勢，意義十分重大。參數(shù)的純二進制表示，不但可以節(jié)省大量的空間，還能降低矩陣乘法對硬件的要求。

高精度模型中矩陣乘法的元素相乘可以被變成高效的位運算，只需位賦值和加法就可以完成矩陣乘積，非常有應用前景。

此外，作者的方法在訓練過程中保持了出色的穩(wěn)定學習能力。

事實上，二值網(wǎng)絡訓練的不穩(wěn)定問題、對超參數(shù)的敏感性和收斂困難一直受到研究人員關注。

作者分析了高精度值向量在促進模型穩(wěn)定收斂過程中的重要意義。

有前人工作提出過1bit模型架構并用于從頭訓練模型（如BitNet[1]），但它對超參數(shù)敏感并且難以從充分訓練的高精度模型中遷移學習。作者也嘗試了BitNet在知識蒸餾中的表現(xiàn)，發(fā)現(xiàn)其訓練還不夠穩(wěn)定。

總結

作者提出了一種用于1bit權重量化的模型結構和相應的參數(shù)初始化方法。

在各種大小和系列的模型上進行的廣泛實驗表明，OneBit在代表性的強基線上具有明顯的優(yōu)勢，并實現(xiàn)了模型大小與性能之間的良好折中。

此外，作者進一步分析了這種極低比特量化模型的能力和前景，并為未來的研究提供了指導。

論文地址： https://arxiv.org/pdf/2402.11295.pdf