LeapQuant 实现免训练量化线性注意力，B200 内核最高提速 3.7 倍

LeapQuant 提出免训练的 8-bit/4-bit 循环状态量化方法，精度与 FP32 基线相当。其线性注意力内核最高提速 4.25 倍，端到端推理吞吐最高提升约 2 倍，显存占用最多降低 56%。该方法已在 NVIDIA B200、RTX PRO 6000 与 RTX 5090 上完成端到端验证，平均端到端加速为 1.57 倍。