低比特Mamba超分新量化框架提出

研究者 Jinwoo Chung 与 Jangho Kim 提出面向低比特 Mamba 超分模型的 Token-Group Quantization 激活训练后量化（PTQ）框架及 Frequency-Preserving Refinement 目标。该框架用轻量预测器在扫描前特征上推断分组，静态选取离线标定的分组裁剪边界，目的是在无需运行时统计和扫描后分组的情况下，近似一个硬件不友好的“扫描后分组”方案。 报道称该方法已被 NeurIPS 2026 接收，并提供了代码链接。上述结论来自作者自述，尚无独立复现或第三方评测，具体量化精度与加速效果未在现有信息中给出。

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。