Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
140
Lista 2024
Status:
Autorzy: Laskowski Jan, Tomiło Paweł, Kozłowski Edward, Laskowska Agnieszka, Piątek Radosław
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2026
Wersja dokumentu: Elektroniczna
Język: angielski
Numer czasopisma: 20
Wolumen/Tom: 19
Numer artykułu: 4893
Strony: 1 - 21
Impact Factor: 3,9
Scopus® Cytowania: 0
Bazy: Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 16 października 2026
Abstrakty: angielski
Large language model (LLM) inference is an increasing component of AI energy demand, while the energy effects of weight quantization depend on workload phase and implementation. We benchmarked four LLM families—Gemma 4 E4B IT, Qwen3.5 4B, Nemotron 3 Nano 4B, and Ministral 3 3B Instruct—across Q4_K_M, Q6_K, Q8_0, and BF16 weight representations on a single NVIDIA GeForce RTX 4090 using llama.cpp/CUDA. Five work- loads separated prefill from autoregressive generation, and GPU energy was estimated from NVML telemetry. In PP-512, no statistically significant differences were detected under the employed measurement protocol; in PP-1024, precision affected total energy and mean GPU power. In all generation scenarios, model family, precision, and their interaction significantly affected the primary endpoints. Relative to BF16, Q4_K_M reduced dynamic energy per token by 63.6–85.7% and increased generation throughput by 85.2–160.2% across all four model families. Ministral 3 3B Instruct–Q4_K_M ranked first in TOPSIS, whereas Nemotron 3 Nano 4B–Q4_K_M required less GPU memory. Findings are limited to single-request execution on one RTX 4090/llama.cpp-CUDA stack; output quality was not assessed, and 50 ms NVML sampling limits interpretation of short prefill measurements