Q-MINO：量化感知训练的最小范数优化器

2026年10月3日，arXiv cs.LG 分类发布研究，提出量化感知最小范数优化器 Q-MINO。该方法针对量化感知训练中 STE 代理梯度失配导致的噪声更新与参数振荡问题，采用时间束方法，结合梯度共识、状态漂移正则与对齐约束，从近期优化状态构造稳定的最小范数更新方向。求解上，Q-MINO 通过热启动 Frank-Wolfe 处理约束子问题，并借助随机 Lyapunov KL 框架证明其达到渐近邻域收敛。目前报道仅介绍方法设计与理论证明，未提及实验验证或与其他方法的对比结果。

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。