热点事件持续更新

OnQ：量化模型自生成轨迹恢复推理

1 篇报道1 个报道来源11 小时前更新

先了解这件事

AI 综述

研究团队提出低比特量化恢复流程 OnQ，结合同策略蒸馏与候选级 Dynamic KL，让量化学生模型在自己的前缀上接受全精度教师监督。在 Qwen3-1.7B、4B、8B 的 2-bit 和 3-bit 精度下，OnQ 取得九项基准最高平均分；2-bit 时每个模型规模、每项基准均超越所有基线，Qwen3-8B 平均分较最强基线提升 10.26 分。该方法还生成更短的回答，截断和重复错误更少。

AI 根据报道生成 · 2 小时前更新

最新进展10月22日 12:00

OnQ：用自生成轨迹在量化后恢复推理能力

报道时间线

沿着报道，了解事件的不同侧面。

10月22日

12:00
arXiv cs.CL
OnQ：用自生成轨迹在量化后恢复推理能力
研究团队提出低比特恢复流程 OnQ，结合同策略蒸馏与候选级 Dynamic KL，让量化学生模型在自己的前缀上接受全精度教师监督。在 Qwen3-1.7B、4B、8B 的 2-bit 和 3-bit 精度下，OnQ 取得九项基准最高平均分，2-bit 时每个模型规模、每项基准均超越所有基线，Qwen3-8B 平均分较最强基线提升 10.26 分。该方法还生成更短的回答，截断和重复错误更少。

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。