LittleBit 通过潜变量分解实现亚 1 比特大语言模型量化

LittleBit 项目

通过潜在因子分解实现亚 1 比特大语言模型压缩

LittleBit（NeurIPS 2025）和 LittleBit-2（ICML 2026）的官方实现。

论文

LittleBit-2：通过潜在几何对齐最大化亚 1 比特大语言模型中的谱能量增益 （ICML 2026）
Banseok Lee, Youngmin Kim

LittleBit：通过潜在因子分解实现超低比特量化 （NeurIPS 2025）
Banseok Lee*、Dongkyu Kim*、Youngcheon You、Youngmin Kim

摘要

LittleBit 通过将每个稠密权重矩阵分解为低秩潜在因子，对这些因子进行二值化，并通过轻量级学习尺度恢复幅度信息，从而将大语言模型压缩到亚 1 比特范围。这能够实现极端压缩，包括 0.1 比特每权重的设置，同时在推理时保持原始模型架构。

LittleBit-2 通过解决初始化阶段的潜在几何错位问题来改进这一方案。它在 QAT 之前应用内部潜在旋转与联合迭代量化（Joint-ITQ），将 SVD 派生的潜在因子与二值超立方体对齐。LittleBit-2 初始化可作为可选项（--use_itq）使用，且不会带来额外的推理开销。

要点

亚 1 比特压缩：专为 1.0 至 0.1 比特每权重设计。
LittleBit-2 可选项：通过 --use_itq 启用 Joint-ITQ 初始化，以改善潜在几何对齐。
推理时无变化：LittleBit-2 仅修改初始化；部署的分解层保持不变。
支持 QAT：支持使用 SmoothSign 的量化感知训练和可选的残差分解。

支持的模型

当前代码库支持：

OPT
Llama 和 Llama 2/3
Phi-4
Qwen2.5 和 QwQ
Gemma 2 和 Gemma 3
Qwen3

安装

我们推荐使用 Python 3.12。

conda create -n littlebit python=3.12
conda activate littlebit

# Install CUDA toolkit. Adjust the CUDA version if needed.
conda install nvidia/label/cuda-12.4.1::cuda-toolkit -c nvidia/label/cuda-12.4.1

# Install PyTorch.
pip install torch==2.8.0+cu124 torchvision==0.23.0+cu124 torchaudio==2.8.0+cu124 --index-url https://download.pytorch.org/whl/cu124

# Install dependencies.
pip install -r requirements.txt

重要提示

为复现论文结果，请使用 transformers 4.51.x。较新的 transformers 版本可能会更改模型内部机制或评估行为。

pip install "transformers==4.51.*"

使用方法

训练

使用量化感知训练来训练模型。默认情况下，LittleBitLinear 使用原始的仅 SVD 初始化。要启用 LittleBit-2（Joint-ITQ），请传递 --use_itq True。

单 GPU

CUDA_VISIBLE_DEVICES=0 python -m main \
    --model_id meta-llama/Llama-2-7b-hf \
    --dataset c4_wiki \
    --save_dir ./outputs/Llama-2-7b-LittleBit-2 \
    --num_train_epochs 5.0 \
    --per_device_train_batch_size 4 \
    --lr 4e-05 \
    --warmup_ratio 0.02 \
    --report wandb \
    --quant_func SmoothSign \
    --quant_mod LittleBitLinear \
    --residual True \
    --eff_bit 1.0 \
    --kv_factor 1.0 \
    --min_split_dim 8 \
    --l2l_loss_scale 10.0

# Opt-in to LittleBit-2 initialization
# --use_itq True

使用 DeepSpeed 的多 GPU

deepspeed --num_gpus=4 main.py \
    --model_id meta-llama/Llama-2-7b-hf \
    --dataset c4_wiki \
    --save_dir ./outputs/Llama-2-7b-LittleBit-2 \
    --ds_config_path configs/zero3.json \
    --num_train_epochs 5.0 \
    --per_device_train_batch_size 4 \
    --lr 4e-05 \
    --report wandb \
    --quant_func SmoothSign \
    --quant_mod LittleBitLinear \
    --residual True \
    --eff_bit 1.0 \
    --kv_factor 1.0 \
    --min_split_dim 8

评估

评估本地检查点或托管在 Hugging Face Hub 上的模型。

# From a local directory
CUDA_VISIBLE_DEVICES=0 python eval.py \
    --model_id ./outputs/Llama-2-7b-LittleBit-2 \
    --seqlen 2048 \
    --ppl_task wikitext2,c4 \
    --zeroshot_task boolq,piqa,hellaswag,winogrande,arc_easy,arc_challenge,openbookqa

# From the Hugging Face Hub
CUDA_VISIBLE_DEVICES=0 python eval.py \
    --model_id username/littlebit-llama-7b-0.1bpw \
    --seqlen 2048 \
    --ppl_task wikitext2

旧版检查点

较旧的检查点可能不包含 littlebit_config.json。在这种情况下，请显式传递量化参数：

CUDA_VISIBLE_DEVICES=0 python eval.py \
    --model_id ./outputs/Legacy-Llama-2-7b \
    --quant_func SmoothSign \
    --quant_mod LittleBitLinear \
    --split_dim 1024

参数加载优先级：

显式 CLI 参数
模型目录中的 littlebit_config.json
较旧检查点的 config.json 回退

引用

如果您觉得这项工作有用，请引用：

@inproceedings{lee2026littlebit2,
  title={LittleBit-2: Maximizing the Spectral Energy Gain in Sub-1-Bit LLMs via Latent Geometry Alignment},
  author={Lee, Banseok and Kim, Youngmin},
  booktitle={Proceedings of the 43rd International Conference on Machine Learning},
  year={2026}
}

@inproceedings{lee2025littlebit,
  title={LittleBit: Ultra Low-Bit Quantization via Latent Factorization},
  author={Lee, Banseok and Kim, Dongkyu and You, Youngcheon and Kim, Youngmin},
  booktitle={Advances in Neural Information Processing Systems},
  year={2025}
}

许可证

本项目基于 CC BY-NC 4.0 许可证授权。