2021年,作者对Elkjop集团(Elgiganten)的“强制同意”模式提出了质疑,该模式要求客户必须接受营销邮件才能成为俱乐部会员。作者认为《通用数据保护条例》(GDPR)要求同意必须是自愿给出的,因此提交了正式投诉。 经过五年的升级处理,挪威数据保护局(Datatilsynet)对该零售商处以了2000万挪威克朗(约180万欧元)的罚款。裁决确认,该公司在数据处理上采取的“要么接受,要么离开”的做法是非法的,导致会员所提供的同意无效,并指出了数据被不当挪用的问题。 尽管这是数字隐私权的一次胜利,但作者批评监管机构未能将最终决定通知他们,这违反了GDPR第77条第2款规定的法律义务。目前,作者正要求当局给予解释,并准备对该公司提起民事诉讼。此案为企业敲响了里程碑式的警钟:将同意与服务准入捆绑是非法的,不尊重消费者权利可能会导致严重的经济损失和声誉受损。
量化是将高精度数值(如 fp16)映射到低精度整数网格的过程,它能显著提升内存效率、降低能耗并提高计算速度。
该过程依赖于一个包含比例因子和零点的核心公式,将实数映射为离散整数。这会引入“量化误差”,主要源于舍入(将数值映射到最近的网格点)和截断(限制范围)。平衡这两者是量化的核心挑战。
关键的设计选择包括:
* **映射方式:** 对称(以零为中心)与仿射(非对称)量化。
* **粒度:** 采用张量级、通道级或分块级量化。
* **时机:** 静态与动态范围计算,以及训练后量化(PTQ)与量化感知训练(QAT)。
现代硬件通过乘累加(MAC)单元加速这些运算。由于累加过程是在高精度(int32)下进行的,模型需要一个“重量化”步骤——即定点移位——来为下一层准备输出。虽然这些方法适用于许多架构,但 Transformer 提出了独特的分布挑战,这将是本系列下一篇的重点。