LAC

LAC（Learnable Activation Clipping，可学习激活裁剪范围），是面向神经网络量化（尤其LLM）的可微激活范围优化技术，在可学习裁剪外加入通道缩放类结构变换，增强低比特W/A量化精度。算法详细介绍请参见：OmniQuant: Omnidirectionally Calibrated Quantization for Large Language Models。