研究者提出Hessian引导的统一后训练量化框架

Mads Toftrup 等研究者在 arXiv（arXiv:2610.40345）发布论文，提出一种基于 Hessian 引导近似的统一后训练量化框架。该框架利用可求解的 Fisher 近似，在统一的输出敏感度目标下联合优化量化范围、线性变换和权重取整。 论文称，该方法在现代大语言模型上保持实用性，在 channel-wise 和 block-wise 量化设置下均一致优于现有 SOTA 变换与取整方法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。