Owner
yashwanthdevavarapu
已索引 1 个仓库 · 在 GitHub 查看
-
bitsmith
LLM weight quantization from first principles: INT8, INT4, FP8, ternary, 2:4 sparsity, GPTQ, AWQ, SmoothQuant and a fused Triton INT4 kernel
Python · 0 个 star
可能已有人在做的 issue 排在最后。 全部按时间排序
-
area: benchmarks enhancement help wanted
难度 4/5 3-5 天 新手友好度 45/100
-
area: calibration enhancement
难度 5/5 一周以上 新手友好度 30/100
-
area: models enhancement help wanted
难度 4/5 3-5 天 新手友好度 58/100
-
area: formats enhancement help wanted
难度 5/5 一周以上 新手友好度 35/100
-
area: formats enhancement
难度 4/5 3-5 天 新手友好度 58/100
-
area: formats enhancement
难度 4/5 3-5 天 新手友好度 65/100
-
Add an NF4 codec未关闭area: formats enhancement help wanted
难度 3/5 1-2 天 新手友好度 75/100
-
area: calibration enhancement performance
难度 4/5 3-5 天 新手友好度 48/100
-
area: kernels enhancement performance
难度 4/5 3-5 天 新手友好度 55/100
-
area: kernels enhancement help wanted performance
难度 4/5 3-5 天 新手友好度 53/100
-
area: kernels enhancement performance
难度 5/5 一周以上 新手友好度 42/100
-
area: kernels enhancement help wanted performance
难度 4/5 3-5 天 新手友好度 52/100
-
area: benchmarks good first issue help wanted
难度 2/5 1-3 小时 新手友好度 78/100
-
area: benchmarks good first issue
难度 2/5 1-3 小时 新手友好度 86/100
-
area: benchmarks good first issue performance
难度 3/5 1-2 天 新手友好度 76/100
-
documentation good first issue
难度 4/5 3-5 天 新手友好度 52/100
-
area: cli area: formats good first issue
难度 2/5 1-3 小时 新手友好度 92/100
-
area: cli good first issue
难度 2/5 1-3 小时 新手友好度 88/100
-
area: benchmarks good first issue
难度 2/5 1-3 小时 新手友好度 90/100