ما الذي يقدّمه
تعتمد المهارة على طريقة Half-Quadratic Quantization (HQQ) لتكميم نماذج اللغة الكبيرة (LLMs) إلى دقة 4 أو 3 أو 2 بت، دون الحاجة إلى مجموعات بيانات معايرة.
يُلجأ إليها عندما يراد تكميم نموذج دون توفر بيانات معايرة، أو عند الحاجة إلى سير عمل تكميم سريع، أو عند نشر النموذج عبر vLLM أو HuggingFace Transformers.
الأمان
لم يراجع فريقنا هذا المورد. فحصته قواعد آلية فقط، واستُبعدت الموارد التي رصدت فيها إشارات خطر عالية. هذه إشارات وليست ضمانًا بأن التثبيت آمن. جرّبه أولًا في مشروع تجريبي.
- ينفّذ شيفرة أو يغيّر سلوك المساعد
المصادر
- AI Templates (aitmpl) رُصد أول مرة 13 نوفمبر 2026 · آخر رصد 18 نوفمبر 2026 · صفحته في المصدر · أرقام يذكرها المصدر: aitmpl downloads 26
optimization-hqq
Half-Quadratic Quantization for LLMs without calibration data. Use when quantizing models to 4/3/2-bit precision without needing calibration datasets, for fast quantization workflows, or when deploying with vLLM or HuggingFace Transformers.
v1.0.0كما ظهر في www.aitmpl.com عند آخر قراءة لنا