01
量化入门：为什么需要量化？
数学原理与核心思想，精度与速度的起点
基础数学
02
对称量化 vs 非对称量化
原理、公式推导与适用场景对比
对比公式
03
权重量化：逐层 vs 逐通道
区别与选择，粒度对精度的影响
权重粒度
04
激活量化：动态 vs 静态
实现方式与权衡，推理效率关键
激活动态
05
MinMax量化
最朴素的量化方法，原理与局限性
朴素极值
06
百分位量化
如何用百分位法对抗离群值
离群值鲁棒
07
KL散度量化
信息论视角下的最优截断策略
信息论截断
08
量化粒度：Per-tensor/Channel/Group
三种粒度详解与选择指南
粒度分组
09
混合精度量化
不同层用不同位宽，效果出奇的好
混合精度位宽
10
训练后量化 (PTQ)
无需重新训练，快速部署的利器
PTQ快速
11
量化感知训练 (QAT)
模拟量化误差，让模型自己适应
QAT训练
12
LLM.int8() 量化
解决大模型离群值问题的经典方案
int8离群值
13
GPTQ
基于最优脑手术的一次性后训练量化
GPTQ后训练
14
AWQ：激活感知权重量化
精度与速度的平衡，激活感知
AWQ激活
15
SmoothQuant
平滑激活值，让量化更简单
平滑激活
16
NF4量化 (4-bit NormalFloat)
QLoRA背后的核心技术
NF4QLoRA
17
FP8量化
硬件原生支持的8位浮点格式
FP8硬件
18
KV Cache量化
推理加速的关键，压缩注意力缓存
KV缓存
19
稀疏化与量化的结合
剪枝+量化，双重压缩
稀疏剪枝
20
蒸馏与量化的结合
知识蒸馏辅助量化恢复精度
蒸馏恢复
21
量化工具链对比
PyTorch / TensorRT / ONNX Runtime
工具对比
22
量化模型部署实践
CPU vs GPU vs NPU 推理实践
部署硬件
23
量化精度评估
困惑度、下游任务与消融实验
评估指标
24
量化常见陷阱
精度崩塌、硬件不兼容、校准集选择
陷阱避坑
25
低比特量化 (2-bit/3-bit)
极限压缩的挑战与进展
低比特极限
26
量化与长上下文
量化对长序列推理的影响
长序列上下文
27
多模态模型量化
视觉语言模型的量化特殊之处
多模态VLM
28
量化模型的安全性与鲁棒性
量化会引入新漏洞吗？
安全鲁棒
29
量化前沿：1-bit LLM / BitNet
Ternary Weight 与极限压缩
前沿1-bit
30
量化实战：HuggingFace到部署
从HF模型到量化部署全流程
实战全流程