通俗解释
低精度乘法更快、更省显存；保留 FP32 主权重并做损失缩放，避免精度损失。FP8 进一步把速度翻倍，但需要细粒度缩放策略。
用在哪里：几乎所有大模型训练；DeepSeek-V3 使用 FP8
01原始论文
Mixed Precision Training
Paulius Micikevicius, Sharan Narang, Jonah Alben, et al. · 2017
arXiv ↗ ✓ 已核实 · arXiv API
备注：FP8 格式论文：arXiv:2209.05433（2022）
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
U44 预训练、数据与缩放定律 预训练数据流水线、缩放定律、Chinchilla、μP、MTP 与训练稳定性。 10 小时6 个算法4 篇论文 U64 GPU、分布式训练与 AI 芯片 显存/带宽/算力、混合精度、数据/张量/流水线并行、ZeRO/FSDP、芯片格局。 10 小时6 个算法4 篇论文
所在学习路线：从零理解一个大模型
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
mixed-precision)