热点事件持续更新

AGQ：动作引导超低位量化方法提出

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Xuhong Qiu 等作者提出面向视觉-语言-动作模型的超低位量化方法 AGQ，结合动作敏感性与权重恢复成本代理指标，在存储预算下为各矩阵分配位宽。在 LIBERO 基准上，AGQ 在 W3 位宽下任务成功率为 92.7%，比 AWQ 和 GPTQ 分别高 1.2 和 3.7 个百分点；W2.5 下仍保留 70.5% 成功率。非对称配置 W1.5* 配合无损编码实现相对 BF16 的 6.10 倍整模型压缩，但任务成功率仅保留 25.5%。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00

AGQ：面向视觉-语言-动作模型的动作引导超低位量化

报道时间线

沿着报道，了解事件的不同侧面。

10月27日

12:00
arXiv cs.AI
AGQ：面向视觉-语言-动作模型的动作引导超低位量化
研究提出动作引导量化方法 AGQ，结合动作敏感性与权重恢复成本代理指标，在存储预算下分配矩阵位宽。在 LIBERO 上，AGQ 于 W3 达到 92.7% 任务成功率，分别超过 AWQ 和 GPTQ 1.2 与 3.7 个百分点，W2.5 下仍保留 70.5% 成功率。非对称配置 W1.5* 配合无损编码实现相对 BF16 的 6.10 倍整模型压缩，保留 25.5% 任务成功率。

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。