Samsung Labs 开源亚 1-bit LLM 压缩：子因子分解新方法

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

LittleBit-2：通过潜在几何对齐在亚 1 比特 LLM 中最大化谱能量增益（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

LittleBit 通过将每个密集权重矩阵分解为低秩潜在因子，对这些因子进行二值化，然后通过轻量级可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 regime。这使得极端压缩成为可能，包括 0.1 比特每权重（bits-per-weight）设置，同时在推理时保持原始模型架构。

LittleBit-2 针对初始化阶段的潜在几何错位问题改进了上述方案。它应用内部潜在旋转与联合迭代量化（Joint-ITQ），在 QAT 之前将 SVD 导出的潜在因子与二进制超立方体对齐。LittleBit-2 初始化可作为可选项（--use_itq）启用，且不会产生额外的推理开销。

Sub-1-bit 压缩：专为 1.0 到 0.1 比特每权重设计。

LittleBit-2 可选启用：通过 --use_itq 启用 Joint-ITQ 初始化，以改善潜在几何对齐。

无推理时变更：LittleBit-2 仅修改初始化过程；部署的因子分解层保持不变。

QAT 友好：支持使用 SmoothSign 进行量化感知训练，并可选残差因子分解。

该代码库目前支持：

建议使用 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

对于复现论文结果，建议使用 transformers 4.51.x。更新版本的 transformers 可能会更改模型内部结构或评估行为。

pip install "transformers==4.51.*"

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

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

多 GPU 与 DeepSpeed：

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

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

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

旧检查点的 config.json 回退

如果觉得这项工作有用，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}
}

本项目采用 CC BY-NC 4.0 许可证。