热点事件持续更新

SQuAT: 球面格向量量化感知训练

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

2026年10月22日，一篇名为 SQuAT: Spherical Lattice Vector Quantization-Aware Training 的论文在arXiv（cs.NC）上发布。该论文提出了 SQuAT 方法，将基于格向量量化的感知训练扩展至十亿参数 LLM 及万亿级 token 训练场景。具体而言，SQuAT 采用基于 E8 的球形码本量化方向，独立地低比特量化增益，并利用隐式球面优化提升精度。此外，通过分布式精确最近邻分配，该方法将 VQ-QAT 训练时间缩短了 12.8 倍，并支持扩展至 100 亿 token 的训练规模。

AI 根据报道生成 · 3 小时前更新

最新进展10月23日 12:00

SQuAT: 球面格向量量化感知训练

报道时间线

沿着报道，了解事件的不同侧面。

10月23日

12:00
arXiv · NLP
SQuAT: 球面格向量量化感知训练
提出 SQuAT，将格向量量化感知训练扩展至十亿参数 LLM 及万亿级 token 训练。采用基于 $E_8$ 的球形码本量化方向，独立低比特量化增益，利用隐式球面优化提升精度。通过分布式精确最近邻分配，将 VQ-QAT 训练时间缩短 12.8 倍，支持扩展至 100 亿 token。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1010月23日 13:00
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。