Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

MoQE: Improve Quantization Model performance via Mixture of Quantization Experts

Created by
  • Haebom

저자

Jinhao Zhang, Yunquan Zhang, Boyang Zhang, Zeyu Liu, Daning Cheng

개요

MoQE는 모델 효율성을 개선하고 배포 비용을 절감하기 위해 혼합 전문가(MoE) 아키텍처 기반의 양자화 추론 프레임워크를 제안합니다. MoQE는 여러 양자화 변형을 전문 "양자화 전문가"로 결합하고 입력 데이터를 특성에 따라 가장 적합한 전문가에게 동적으로 라우팅합니다. ResNet, LLaMA, Qwen 모델을 사용하여 ImageNet, WikiText, C4, OpenWebText 데이터셋에서 실험한 결과, MoQE는 SOTA 양자화 모델과 유사한 성능을 달성하면서 추론 지연 시간을 크게 증가시키지 않았습니다.

시사점, 한계점

시사점:
MoE 아키텍처를 양자화에 적용하여 단일 양자화 모델의 성능 저하 문제를 해결했습니다.
CV 및 NLP 작업에 맞게 설계된 경량화된 구조 인식 라우터 모델을 제시했습니다.
SOTA 양자화 모델과 비교하여 유사한 성능을 보였습니다.
추론 지연 시간의 큰 증가 없이 성능을 개선했습니다.
한계점:
논문에서 한계점에 대한 직접적인 언급은 없습니다.
👍