商品交易 查询和导出订单 销售配置管理 查询交易明细 父主题： 中资出海

查看更多 →

查询交易明细 商家在每日8点后可查看前一日24点前商品的交易明细并进行导出。 查询交易明细 进入卖家中心页面。 单击左侧导航的“结算管理 > 交易明细管理”,进入交易明细列表页面。 选择商品类型页签，输入查询条件，如订单号、账期、客户账号，筛选出需要查看的目标订单。 单击目标订单左侧的，查看该笔订单的交易明细。

查看更多 →

交易模式介绍 概述 顾问销售模式 代售模式 父主题： 云经销商伙伴

查看更多 →

发起数字资产交易 通过接口触发数字资产发行、流转，并记录到区块中。 操作步骤 通过接口触发数字资产发行或流转，具体操作请参考SDK概述。 父主题： 数字资产专享版

查看更多 →

交易软件APP测试 目的 本文以交易软件APP为例进行介绍，通过分析查看测试报告信息，准确定位应用问题。 操作步骤 登录CodeArts首页，在顶部功能菜单区单击“服务 > 移动应用测试 ”，进入“兼容性测试”页面。 创建测试任务，选择任务参数并上传目标APP应用后，单击“提交任务”。

查看更多 →

交易明细查询 服务商在每月7日后可查看上月的商品交易明细。 前提条件 已完成商业信息认证，具体操作请参见商业信息认证 操作步骤 进入卖家中心页面。 点击左侧导航的“结算管理>交易明细管理”，进入交易明细管理页面。 选择商品类型页签，输入查询条件，如订单号、账期、客户账号，筛选出需

查看更多 →

大数据校验 新增大数据校验数据连接时，凭证列表数据缺失 Hive校验结果中的源端数据和目的端数据显示为“0”或“-1” Hive校验的sum统计结果显示未达标 DLI 校验任务出现大量失败表 Delta 数据量较大时，如何优化校验任务？ 创建HBase目的端连接安全集群下的换包操作指南

查看更多 →

大数据调研 平台调研 数据调研 任务调研 父主题： 调研评估

查看更多 →

跨链查询交易 功能介绍 发起由源端 区块链 到目标端区块链的跨链查询交易 URI POST /v1/cross/transaction/query 请求参数 表1 请求Body参数 参数 是否必选 参数类型 描述 to_chain 是 String 目标区块链ID 最小长度：1 最大长度：64

查看更多 →

发起数字资产交易 通过接口触发数字资产发行、流转，并记录到区块中。 操作步骤 通过接口触发数字资产发行或流转，具体操作请参考SDK概述。 父主题： 数字资产专享版

查看更多 →

在顶部导航栏中选择“销售 > 基线解决方案 > 联合销售商品交易履行”。 在联合销售商品交易履行页面，根据配置单号选择待反馈的解决方案配置单，单击操作列的“反馈交易履行信息”。 在交易履行证明（POP）反馈页面，反馈相关信息（合同中解决方案联合销售商品的合同签定日期、合同成交额、合同有效期）。 配置单

查看更多 →

使用GPTQ量化 当前版本使用GPTQ量化仅支持W8A16 perchannel的量化形式，使用W8A16的量化不仅可以保证精度在可接受的范围内，同时也有一定的性能收益。 GPTQ W8A16量化支持的模型请参见支持的模型列表和权重文件。 本章节介绍如何在GPU的机器上使用开源GPTQ量化工具GPTQ

查看更多 →

使用AWQ量化 AWQ(W4A16/W8A16)量化方案能显著降低模型显存以及需要部署的卡数。降低小batch下的增量推理时延。支持AWQ量化的模型列表请参见表3。 本章节介绍如何使用AWQ量化工具实现推理量化。 量化方法：W4A16 per-group/per-channel,

查看更多 →

使用AWQ量化 AWQ(W4A16/W8A16)量化方案能显著降低模型显存以及需要部署的卡数。降低小batch下的增量推理时延。支持AWQ量化的模型列表请参见表3。 本章节介绍如何使用AWQ量化工具实现推理量化。 量化方法：W4A16 per-group/per-channel，W8A16

查看更多 →

使用AWQ量化 AWQ(W4A16)量化方案能显著降低模型显存以及需要部署的卡数。降低小batch下的增量推理时延。支持AWQ量化的模型列表请参见支持的模型列表和权重文件。 本章节介绍如何使用AWQ量化工具实现推理量化。 量化方法：W4A16 per-group/per-channel，W8A16

查看更多 →

推理模型量化 使用AWQ量化工具转换权重 使用SmoothQuant量化工具转换权重 使用kv-cache-int8量化 使用GPTQ量化 父主题： 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.911）

查看更多 →

--per-token：激活值量化方法，若指定则为per-token粒度量化，否则为per-tensor粒度量化。 --per-channel：权重量化方法，若指定则为per-channel粒度量化，否则为per-tensor粒度量化。 启动smoothQuant量化服务。 参考部署推理服务，使用量化后权重部署AWQ量化服务。

查看更多 →

推理模型量化 使用AWQ量化 使用SmoothQuant量化 使用kv-cache-int8量化 使用GPTQ量化 父主题： 主流开源大模型基于Lite Server适配PyTorch NPU推理指导（6.3.908）

查看更多 →

--per-token：激活值量化方法，如果指定则为per-token粒度量化，否则为per-tensor粒度量化。 --per-channel：权重量化方法，如果指定则为per-channel粒度量化，否则为per-tensor粒度量化。 启动smoothQuant量化服务。 参考部署推理

查看更多 →

推理模型量化 使用AWQ量化工具转换权重 使用SmoothQuant量化工具转换权重 使用kv-cache-int8量化 使用GPTQ量化 父主题： 主流开源大模型基于Standard适配PyTorch NPU推理指导（6.3.910）

查看更多 →

推理模型量化 使用AWQ量化 使用SmoothQuant量化 使用kv-cache-int8量化 使用GPTQ量化 使用llm-compressor工具量化 父主题： 主流开源大模型基于Lite Server适配PyTorch NPU推理指导（6.3.911）

查看更多 →