研究提出Token-Group量化框架用于Mamba超分
热点事件持续更新
研究提出Token-Group量化框架用于Mamba超分
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Jinwoo Chung、Jangho Kim 提出 Token-Group Quantization，一种面向低比特 Mamba 超分的硬件友好激活后训练量化（PTQ）框架。 该框架用轻量预测器从 pre-scan 特征推断分组，静态近似 post-scan 分组 oracle，把偏好裁剪范围相近的 token 分到同一组，无需运行时统计或动态裁剪更新。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
面向低比特 Mamba 超分的硬件友好 Token-Group 激活量化报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AI面向低比特 Mamba 超分的硬件友好 Token-Group 激活量化
研究提出 Token-Group Quantization，一种硬件友好的激活 PTQ 框架，通过轻量预测器从 pre-scan 特征推断分组，静态近似 post-scan 分组 oracle，无需运行时统计或动态裁剪更新。
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。