手机也能跑大模型？2比特复数量化精度反超全精度

version 8.14

摘要：为破解大模型部署与推理成本高昂的困境，北京大学杨仝老师团队首次提出名为iFairy的超低比特量化方案。该方案创新性地利用复数{±1, ±i}对模型权重进行2-bit量化，在实现1/8极致压缩与“无乘法”推理加速的同时，语言建模能力和下游任务表现甚至反超了其全精度的LLaMA基座模型。

当下，大语言模型(LLM)的研究热潮席卷全球，技术迭代日新月异。然而，在这片繁荣之下，一个严峻的现实不容忽视：LLM在真实世界中产生的商业价值，很大程度上仍无法覆盖其高昂的训练与推理成本。

究其根源，大模型走向产业落地的道路上，横亘着两大“拦路虎”：空间瓶颈和时间瓶颈。

为了追求更高的模型性能，业界普遍的策略是不断堆叠参数量，这使得模型部署成本高昂。

同时，庞大的参数量带来了计算量的激增，尽管学界和业界已涌现出如gpt-oss的MXFP4训练等优秀的量化方案，但其核心计算逻辑依然没有消除对硬件资源消耗巨大的“乘法”运算的依赖，推理延迟没有实现根本性的降低。

能否同时攻克这两大瓶颈，实现模型的轻量化和推理加速，已成为推动大模型发展从“技术奇观”迈向“生产力工具”新阶段的关键。

为解决这一难题，北京大学杨仝老师团队在一篇名为“iFairy: the First 2-bit Complex LLM with All Parameters in {±1,±i}”的论文中，提出了一个脑洞大开的方案：跳出实数轴的束缚，进入复数平面!

这看似简单的维度提升，却蕴含着破解瓶颈的深刻智慧。

一、空间魔法：极致压缩，体积仅为1/8

在“空间”上，iFairy实现了极致的压缩。

传统的全精度(FP16)权重需要16比特，而iFairy方案仅用2比特，就完成了对一个权重信息的编码。

这意味着，相较于流行的FP16模型，其模型体积可以直接压缩至原来的1/8。这种“史诗级”的压缩率，为大模型在手机、汽车等边缘设备上的部署扫清了最大的存储障碍。

二、时间魔法：“无乘法”计算的革命

在“时间”上，iFairy实现了“无乘法”计算的革命。这个魔法是如何实现的呢?

1. PhaseQuant算法的神来之笔

这一切，都源于团队提出的全新量化算法PhaseQuant。它不再将权重映射到实数轴上的点，而是基于参数的相位将其映射到复平面上的四个单位根{±1, ±i}。

这一操作堪称神来之笔，一举多得：

信息密度拉满：用{±1, ±i} 四个值，彻底利用了2-bit的全部信息容量，信息熵从传统三元量化(如BitNet b1.58)的log₂(3)≈1.58-bit，提升到满格的log₂(4)=2-bit。

优雅的对称性：这四个点在复平面上关于原点中心对称，保持了模型训练所需的良好性质。

隐含的稀疏性：每个量化后的复数权重，其实部或虚部必有一个为零，这在高维度上保留了稀疏性的优势。

2. 惊艳的“无乘法”运算

最令人拍案叫绝的是，引入复数，计算仍然高效!一个标准的复数乘法 (a+ib)(c+id) 需要4次实数乘法和2次加法，计算量不小。

但在iFairy模型中，当一个复数激活值与量化后的权重 {±1, ±i} 相乘时，运算发生了奇妙的“退化”：所有乘法都消失了。

看!整个模型中最核心、最庞大的矩阵乘法(GEMM)，被彻底重构了!原本昂贵的浮点乘法运算，被完全替换为硬件成本几乎为零的加法、减法和数据交换(shuffle)操作。这从根本上消除了计算瓶颈，为实现数量级的推理加速提供了可能。

三、架构革新：一个全面“复数化”的Transformer

为了让这个魔法完美落地，研究团队还将整个Transformer架构都进行了“复数化”改造。

复数注意力机制：传统注意力计算Q和K的点积，这里则巧妙地使用了Hermitian内积的实部作为相似度分数，既利用了所有复数信息，又自然地得到了实数分数用于Softmax。

复数旋转位置编码(RoPE)：在复数域，位置编码的旋转操作变得异常简洁和统一，一个简单的复数乘法即可实现。

四、惊艳成果：PPL降低10%，性能反超全精度!

理论如此优雅，实践效果如何呢?结果同样令人瞩目。

iFairy 不仅没有出现超低比特量化常见的性能悬崖，反而实现了惊人的性能反超。

在LLM的语言建模能力方面，模型的困惑度(PPL)越低，代表模型对文本的理解和预测能力越强。在对PPL的测试中，基于相同数据集训练(注：为保证对比的严谨性，所有对比模型的训练数据均保持一致，具体信息可参见论文)的2-bit的iFairy 模型取得了比全精度(FP16)模型更低的困惑度(PPL)，降幅高达 10%。

而在下游任务评测方面，iFairy 模型更是在多个任务的评分反超了全精度的Llama基座模型。

这意味着，一个体积只有原来1/8、计算几乎“零”乘法的模型，其能力反而更强了。这彻底颠覆了我们的传统认知。

对量化后权重的分析还发现，模型在训练后，这四个复数值 {±1, ±i} 的分布非常均匀，证明模型确实学会了充分利用这套全新的“编码系统”。

总而言之，这项工作开创性地将复数神经网络的思想与超低比特量化相结合，通过利用“相位”这一被忽略的信息维度，在不增加任何存储成本的前提下，显著提升了模型的表达能力和最终性能，真正实现了“鱼与熊掌兼得”。

它为设计下一代超高效、高性能的大语言模型，打开了一扇全新的大门。或许，我们离在普通手机上流畅运行GPT-5级别的模型，又近了一步。 相关论文、训练代码、模型权重与实验脚本已全部开源，配套提供从训练、评测到可复现实验的完整流程，人人皆可复现训练。