研究者提出面向LLM低比特量化的CoS-VQ方法
热点事件持续更新
研究者提出面向LLM低比特量化的CoS-VQ方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Zukang Xu 等作者发布论文，提出 CoS-VQ（协同共享尺度向量量化）方法：在保持低维码本的前提下，联合优化硬索引与跨位置的共享尺度，用于大语言模型的低比特权重量化。作者称该方法代码已开源。 在 Qwen3.8-27B 上，CoS-VQ 在语言建模、编码和推理评测中优于 QTIP 和 LLVQ。消融实验显示，联合更新比仅微调尺度带来更大增益。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
CoS-VQ：面向大语言模型的协同共享尺度向量量化方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AICoS-VQ：面向大语言模型的协同共享尺度向量量化方法
论文提出 CoS-VQ（协同共享尺度向量量化），在保持低维码本的前提下联合优化硬索引与跨位置的共享尺度，用于大语言模型的低比特权重量化。在 Qwen3.8-27B 上，CoS-VQ 在语言建模、编码和推理评测中优于 QTIP 和 LLVQ。消融实验显示联合更新比仅尺度微调带来更大增益，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。