新方法用逐层误差归因加速混合精度量化

Samy Houache 等作者提出一种混合精度训练后量化方法，将量化误差拆分为传播误差与层内局部扰动，用局部项构建可分离评分，无需外部求解器即可完成比特分配。 在 DRUNet 去噪任务、平均 4 bits/权重预算下，该方法在干净校准数据上持平或优于现有混合精度基线；校准数据被污染时 PSNR 最高提升 7.5 dB，比特分配速度较基线快 28 倍至 2,570 倍。上述结果来自作者发表的论文。

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。