无标签混合精度量化方法提出，实测低于均匀精度

研究者 Hyojung Han 等发表论文，提出一种面向文本嵌入模型的无标签混合精度训练后量化方法：以量化引发的表示漂移作为敏感度信号，在硬性打包字节预算下做一次加性分配，无需相关性标签与搜索。 在五个开发用嵌入模型上，配置级漂移对留出检索质量的宏观 Spearman 相关系数达 0.911。但在三个封存嵌入模型上，虽然预注册的方向性假设 3/3 成立，主预算下该漂移方案的检索质量数值上低于同预算的均匀精度，分别低 0.99、0.85、1.01 分。

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。