본 논문은 사전 훈련된 대규모 모델의 메모리 및 계산 비용을 줄이기 위한 널리 사용되는 압축 기술인 양자화에 대해 다룹니다. 특히 채널별 사후 훈련 양자화(PTQ)에서 가중치 값을 스케일된 정수 그리드의 값으로 대체하기 위한 적절한 스케일링 요소를 선택하는 것이 주요 과제입니다. 기존 방법들은 일반적으로 휴리스틱 튜닝이나 그리드 검색을 통해 스케일을 미리 고정합니다. 본 논문에서는 이러한 수동 튜닝이 필요 없는 간단하고 효과적인 알고리즘인 Beacon을 제안합니다. Beacon은 스케일되지 않은 그리드를 직접 사용하여 채널별 PTQ를 수행하고, 스칼라 양자화의 기하학적 특성을 활용하여 최적의 스케일링 요소를 자동으로 결정합니다. 역전파 또는 대규모 보정 세트에 의존하지 않습니다. 단순성과 튜닝이 필요 없는 특성에도 불구하고, Beacon은 최첨단 방법과 비교하여 경쟁력 있는 성능을 달성하여 효율적인 모델 배포를 위한 실용적인 솔루션이 됩니다.
