CurveTQ：无旋转的LLM权重格量化
热点事件持续更新
CurveTQ：无旋转的LLM权重格量化
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
Guanhua Ding等作者发布论文提出CurveTQ，一种无需随机正交旋转的大语言模型权重Trellis（格）量化方法：将Hessian的LDL分解对角线权重引入Viterbi分支度量，使搜索在编码块内跟随曲率。 据该论文，在三个4-8B Instruct模型上、2比特条件下，CurveTQ的平均下游准确率比QTIP和Proteus高1-3个点；即便给两个基线方法加入CurveTQ的start state（作者称该单独改动即可使任一基线提升1-3个点）后，这一差距仍成立。作者还称，由于无需撤销旋转，其解码器在所有测试批次大小和比特宽度下均为三者中最快。上述效果均为论文自述结果。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
CurveTQ：无需旋转的 LLM 权重 Trellis 量化，基于曲率加权搜索报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGCurveTQ：无需旋转的 LLM 权重 Trellis 量化，基于曲率加权搜索
CurveTQ 提出一种无需随机正交旋转的 LLM 权重 Trellis 量化方法，将 Hessian 的 LDL 分解对角线权重引入 Viterbi 分支度量，使搜索在编码块内跟随曲率。
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。