跳到正文
arXiv · ML· William Hammer, Andrew Heuer, Nikhil Krishna, Matthew Grenier, Ramtin Zand·· 2 天前AI 评分23

WM-Quant 发布面向 JEPA 世界模型的滚动感知训练后量化框架

WM-Quant: Rollout-Aware Post-Training Quantization for JEPA-Style World Models

AI 导读

WM-Quant 提出首个专为 JEPA 世界模型设计的训练后量化框架,在 W4A4 低位宽下使规划成功率接近全精度性能。 该方法包含早期编码器精度保持、控制路径保留及滚动感知缩放组件,通过联合校准整个滚动序列的激活范围,解决了自回归 MPC 推理中量化误差逐步累积导致动作排序近随机的核心痛点。

来源:arXiv · ML · arxiv.org