MoBiQuant：按 token 敏感度动态调整权重量化精度
热点事件持续更新
MoBiQuant：按 token 敏感度动态调整权重量化精度
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Dongwei Wang 等作者提出 MoBiQuant，一个任意精度的混合比特量化框架，按 token 敏感度动态调整权重精度，以支持灵活的 LLM 推理。其多合一递归残差量化可在运行时迭代重建更高精度权重，token 感知路由器用于缓解精度相关的离群值迁移问题。 作者称，实验显示其性能匹配或超越前沿单精度 PTQ，相比 SOTA 任意精度方法吞吐提升最高 1.34 倍，代码已开源。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
MoBiQuant：面向 Token 自适应任意精度 LLM 的混合比特量化框架报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CLMoBiQuant：面向 Token 自适应任意精度 LLM 的混合比特量化框架
MoBiQuant 是一个任意精度的混合比特量化框架，按 token 敏感度动态调整权重精度，实现灵活的 LLM 推理。它提出多合一递归残差量化，可在运行时迭代重建更高精度权重，并用 token 感知路由器缓解精度相关的离群值迁移问题。实验显示其性能匹配或超越前沿单精度 PTQ，相比 SOTA 任意精度方法吞吐提升最高 1.34 倍，代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。