QuAR：量化ViT的单次前向自适应方法

Hyeongheon Cha、Young D. Kwon 和 Sung-Ju Lee 提出 Quantizer-Aligned Recalibration（QuAR），一种面向量化 ViT 的单次测试时自适应方法。该方法不进行反向传播，也不更新任何模型参数，而是在冻结的量化器输入端重校准激活值，把测试流的逐通道统计量映射回源校准分布。 该论文发布在 arXiv 的 cs.AI 全量分类，发布于 2026 年 10 月 7 日。上述方法描述与“无需反向传播、不更新参数”的说法来自作者在论文中的表述。 报道未给出该方法在具体数据集或任务上的精度、延迟等实测结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。