arXiv · AI· Arash Akbari, Arman Akbari, Masih Eskandar, Qitao Tan, Yixiao Chen, Jingwu Luo, Bertha Pangaribuan, Liyun Zhang, Jennifer Dy, Geng Yuan, Xue Lin, Gaowen Liu, Stratis Ioannidis, Yanzhi Wang·· 23 小时前AI 评分24
ActQuant: 面向视觉-语言-动作模型的次4比特行动引导主干权重仅量化
ActQuant: Sub-4-bit Action-Guided Backbone Weight-Only Quantization for Vision-Language-Action Models
AI 导读
ActQuant 提出行动引导混合精度 PTQ 框架，在 LIBERO 基准上以 3 bpw 以下保留 OpenVLA-OFT 95.0% 性能。 通过 2.5 bpw 将主干压缩至 2.7 GB，实现 5.3 倍加速，并在 UR3 机械臂上保持基线成功率。
来源：arXiv · AI · arxiv.org