NeurIPS 2026 论文提出量化向量零样本量化方法

Daniele Solombrino 等在 NeurIPS 2026 发表论文，提出“量化向量”方法：通过权重空间算术从 donor 任务提取对后训练量化（PTQ）鲁棒的方向，用来修补 receiver 模型。论文称在 3-bit 设置下可将 PTQ Top-1 准确率最高提升 60%，且无需接收侧的量化感知训练（QAT）。 作者称，在不使用 receiver 验证数据时，该方法为零样本、低成本的 QAT 替代方案，适用于极低比特部署。实验覆盖多个视觉与语言模型、30 多个任务，据论文所述，即使 donor 与 receiver 任务差异明显，donor 量化向量也常带来可观提升。

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。