研究者提出权重空间量化向量方法

Daniele Solombrino 等作者发表论文，提出“量化向量”方法：从供体任务中提取权重空间方向，用于修补接收模型，从而提升其对训练后量化（PTQ）的鲁棒性。作者称，在 3-bit 设置下，该方法将 PTQ Top-1 准确率最高提升 60%，且无需在接收端做量化感知训练（QAT）。 该方法面向无接收验证数据的场景，提供零样本、低成本的极低比特部署替代方案，覆盖多种视觉与语言模型及 30 多个任务。论文已被 NeurIPS 2026 接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。