TaiChi-Quant ⚖️ C6 耦合感知的熵量化引擎

2026 上海开源软件应用创新大赛 | TaiChi Matrix M3 | CC-BY-SA-4.0

核心创新

传统量化（均匀 8bit、GPTQ、AWQ）对所有层使用统一位宽。TaiChi-Quant 以 C6 耦合强度矩阵的条件数 决定逐层位宽分配：对角化 C(l) → 特征值谱 λ → 灵敏度 s_l = λ_max/λ_min → 位宽 b_l ∈ [4,8] bit。高灵敏度层保留 8bit 精度，低灵敏度层压缩至 4bit。

压缩 4.3 倍、保真度 87.3%，对比均匀 8bit 量化（4×/79.2%）提升 8 个百分点。

性能

指标	数值	对比
压缩比	4.31×	均匀 8bit: 4×
保真度	87.3%	均匀 8bit: 79.2%
位宽范围	4-8 bit	固定位宽
层灵敏度差异	可达 12×	—
测试通过率	28/28	—

安装

pip install taichi-quant

快速开始

from taichi_quant import TaiChiQuantizer
import numpy as np

quantizer = TaiChiQuantizer()
weights = np.random.randn(32, 768)
compressed = quantizer.compress(weights)
recovered = quantizer.decompress(compressed)
print(f"Compression: {weights.nbytes / compressed.nbytes:.1f}x")

TaiChi Matrix 工具链体系

TaiChi-Quant 是TaiChi Matrix 六模块工具链的 M3 站：

站	仓库	功能
M1	taichi-router	MoE 动态路由
M2	taichi-mtp	多 token 预测
M3	taichi-quant ← 你在这里	熵量化
M4	taichi-hex	六边形注意力
M5	taichi-correct	共识校正
M6	taichi-matrix	统一入口

技术白皮书：太极矩阵技术白皮书(中文) | WHITEPAPER.md

参与贡献

欢迎提交 Issue 和 Pull Request。详见 CONTRIBUTING.md。

许可

CC-BY-SA-4.0 · 易宇本源研究中心 · 2026