热点事件持续更新

ProQuant：面向边缘MLLM的低比特量化感知训练框架

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Yufei Xue 等人提出 ProQuant，一个面向低比特多模态大语言模型（MLLM）的权重-激活量化感知训练（QAT）框架。它通过自重标注（SRL）方案对齐微调数据与预训练数据分布，并将多模态理解与语言建模能力解耦，用渐进式块激活（PBA）机制优先恢复多模态理解能力。据论文称，在 2B–8B 参数模型的多个基准测试中，ProQuant 显著优于现有方法：W4A8 的 Qwen3-VL-2B-Instruct 平均准确率提升 6.6%，仅约 1% 性能下降即可接近全精度模型水平。代码已开源。

AI 根据报道生成 · 2 小时前更新

最新进展11月6日 00:04

ProQuant：面向边缘 MLLM 的渐进式量化感知训练

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

00:04
arXiv · cs.CL
ProQuant：面向边缘 MLLM 的渐进式量化感知训练
ProQuant 是一个面向低比特多模态大语言模型（MLLM）的权重-激活量化感知训练（QAT）框架，通过自重标注（SRL）方案对齐微调数据与预训练数据分布，并首次将多模态理解与语言建模能力解耦，提出渐进式块激活（PBA）机制优先恢复多模态理解能力。在 2B-8B 参数模型的多个基准测试中，ProQuant 显著优于现有方法，例如 W4A8 的 Qwen3-VL-2B-Instruct 平均准确率提升 6.6%，仅约 1% 性能下降即可接近全精度模型水平。代码已开源。

本事件热度走势

可比范围当前: 6
可比范围峰值: 711月6日 14:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。