version 8.14

摘要：為破解大模型部署與推理成本高昂的困境，北京大學(xué)楊仝老師團隊首次提出名為iFairy的超低比特量化方案。該方案創(chuàng)新性地利用復(fù)數(shù){±1, ±i}對模型權(quán)重進行2-bit量化，在實現(xiàn)1/8極致壓縮與“無乘法”推理加速的同時，語言建模能力和下游任務(wù)表現(xiàn)甚至反超了其全精度的LLaMA基座模型。

當下，大語言模型（LLM）的研究熱潮席卷全球，技術(shù)迭代日新月異。然而，在這片繁榮之下，一個嚴峻的現(xiàn)實不容忽視：LLM在真實世界中產(chǎn)生的商業(yè)價值，很大程度上仍無法覆蓋其高昂的訓(xùn)練與推理成本。

究其根源，大模型走向產(chǎn)業(yè)落地的道路上，橫亙著兩大“攔路虎”：空間瓶頸和時間瓶頸。

為了追求更高的模型性能，業(yè)界普遍的策略是不斷堆疊參數(shù)量，這使得模型部署成本高昂。

同時，龐大的參數(shù)量帶來了計算量的激增，盡管學(xué)界和業(yè)界已涌現(xiàn)出如gpt-oss的MXFP4訓(xùn)練等優(yōu)秀的量化方案，但其核心計算邏輯依然沒有消除對硬件資源消耗巨大的“乘法”運算的依賴，推理延遲沒有實現(xiàn)根本性的降低。

能否同時攻克這兩大瓶頸，實現(xiàn)模型的輕量化和推理加速，已成為推動大模型發(fā)展從“技術(shù)奇觀”邁向“生產(chǎn)力工具”新階段的關(guān)鍵。

為解決這一難題，北京大學(xué)楊仝老師團隊在一篇名為“iFairy: the First 2-bit Complex LLM with All Parameters in {±1,±i}”的論文中，提出了一個腦洞大開的方案：跳出實數(shù)軸的束縛，進入復(fù)數(shù)平面！

這看似簡單的維度提升，卻蘊含著破解瓶頸的深刻智慧。

一、空間魔法：極致壓縮，體積僅為1/8

在“空間”上，iFairy實現(xiàn)了極致的壓縮。

傳統(tǒng)的全精度（FP16）權(quán)重需要16比特，而iFairy方案僅用2比特，就完成了對一個權(quán)重信息的編碼。

這意味著，相較于流行的FP16模型，其模型體積可以直接壓縮至原來的1/8。這種“史詩級”的壓縮率，為大模型在手機、汽車等邊緣設(shè)備上的部署掃清了最大的存儲障礙。

二、時間魔法：“無乘法”計算的革命

在“時間”上，iFairy實現(xiàn)了“無乘法”計算的革命。這個魔法是如何實現(xiàn)的呢？

1. PhaseQuant算法的神來之筆

這一切，都源于團隊提出的全新量化算法PhaseQuant。它不再將權(quán)重映射到實數(shù)軸上的點，而是基于參數(shù)的相位將其映射到復(fù)平面上的四個單位根{±1, ±i}。

這一操作堪稱神來之筆，一舉多得：

信息密度拉滿：用{±1, ±i} 四個值，徹底利用了2-bit的全部信息容量，信息熵從傳統(tǒng)三元量化（如BitNet b1.58）的log?(3)≈1.58-bit，提升到滿格的log?(4)=2-bit。

優(yōu)雅的對稱性：這四個點在復(fù)平面上關(guān)于原點中心對稱，保持了模型訓(xùn)練所需的良好性質(zhì)。

隱含的稀疏性：每個量化后的復(fù)數(shù)權(quán)重，其實部或虛部必有一個為零，這在高維度上保留了稀疏性的優(yōu)勢。

2. 驚艷的“無乘法”運算

最令人拍案叫絕的是，引入復(fù)數(shù)，計算仍然高效！一個標準的復(fù)數(shù)乘法 (a+ib)(c+id) 需要4次實數(shù)乘法和2次加法，計算量不小。

但在iFairy模型中，當一個復(fù)數(shù)激活值與量化后的權(quán)重 {±1, ±i} 相乘時，運算發(fā)生了奇妙的“退化”：所有乘法都消失了。

看！整個模型中最核心、最龐大的矩陣乘法（GEMM），被徹底重構(gòu)了！原本昂貴的浮點乘法運算，被完全替換為硬件成本幾乎為零的加法、減法和數(shù)據(jù)交換（shuffle）操作。這從根本上消除了計算瓶頸，為實現(xiàn)數(shù)量級的推理加速提供了可能。

三、架構(gòu)革新：一個全面“復(fù)數(shù)化”的Transformer

為了讓這個魔法完美落地，研究團隊還將整個Transformer架構(gòu)都進行了“復(fù)數(shù)化”改造。

復(fù)數(shù)注意力機制：傳統(tǒng)注意力計算Q和K的點積，這里則巧妙地使用了Hermitian內(nèi)積的實部作為相似度分數(shù)，既利用了所有復(fù)數(shù)信息，又自然地得到了實數(shù)分數(shù)用于Softmax。

復(fù)數(shù)旋轉(zhuǎn)位置編碼(RoPE)：在復(fù)數(shù)域，位置編碼的旋轉(zhuǎn)操作變得異常簡潔和統(tǒng)一，一個簡單的復(fù)數(shù)乘法即可實現(xiàn)。

四、驚艷成果：PPL降低10%，性能反超全精度！

理論如此優(yōu)雅，實踐效果如何呢？結(jié)果同樣令人矚目。

iFairy 不僅沒有出現(xiàn)超低比特量化常見的性能懸崖，反而實現(xiàn)了驚人的性能反超。

在LLM的語言建模能力方面，模型的困惑度（PPL）越低，代表模型對文本的理解和預(yù)測能力越強。在對PPL的測試中，基于相同數(shù)據(jù)集訓(xùn)練（注：為保證對比的嚴謹性，所有對比模型的訓(xùn)練數(shù)據(jù)均保持一致，具體信息可參見論文）的2-bit的iFairy 模型取得了比全精度（FP16）模型更低的困惑度（PPL），降幅高達 10%。

而在下游任務(wù)評測方面，iFairy 模型更是在多個任務(wù)的評分反超了全精度的Llama基座模型。

這意味著，一個體積只有原來1/8、計算幾乎“零”乘法的模型，其能力反而更強了。這徹底顛覆了我們的傳統(tǒng)認知。

對量化后權(quán)重的分析還發(fā)現(xiàn)，模型在訓(xùn)練后，這四個復(fù)數(shù)值 {±1, ±i} 的分布非常均勻，證明模型確實學(xué)會了充分利用這套全新的“編碼系統(tǒng)”。

總而言之，這項工作開創(chuàng)性地將復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)的思想與超低比特量化相結(jié)合，通過利用“相位”這一被忽略的信息維度，在不增加任何存儲成本的前提下，顯著提升了模型的表達能力和最終性能，真正實現(xiàn)了“魚與熊掌兼得”。

它為設(shè)計下一代超高效、高性能的大語言模型，打開了一扇全新的大門?；蛟S，我們離在普通手機上流暢運行GPT-5級別的模型，又近了一步。 相關(guān)論文、訓(xùn)練代碼、模型權(quán)重與實驗?zāi)_本已全部開源，配套提供從訓(xùn)練、評測到可復(fù)現(xiàn)實驗的完整流程，人人皆可復(fù)現(xiàn)訓(xùn)練。