低精度推理需分层舍入策略
研究发现，在6位精度下，对MLP层使用随机舍入、对输出头使用就近舍入，可将DistilGPT-2的困惑度劣化从2.21倍降至1.10倍。
重要性局部证据E2 未复现写法快讯
在6位虚拟精度下，混合舍入策略将DistilGPT-2的困惑度劣化控制在1.10倍以内。
此前低精度推理常统一采用随机舍入（SR）或就近舍入（RN）。该研究指出，不同网络层对舍入误差的敏感度相反：MLP层的噪声主要导致均匀的对数概率偏移，Softmax对其不敏感，因此SR的方差惩罚较小；而语言模型头的噪声非均匀分布，RN更优。
实验显示，纯RN方案使困惑度升至全精度的2.21倍，纯SR为1.15倍。若对MLP应用SR、对Head应用RN，困惑度仅升至1.10倍，比纯RN降低28%。
结果基于DistilGPT-2小模型的仿真测试，尚未在大规模模型或真实硬件上验证。