AGQ提出VLA模型动作引导超低比特量化方法

2026年10月27日，AGQ研究团队在arXiv上公开发布论文，提出一种面向视觉语言动作模型的超低比特量化方法。该方法将动作敏感度与权重恢复成本代理指标结合，用于在存储预算内为不同矩阵分配比特宽度，从而实现高效压缩。在LIBERO基准测试中，AGQ实现了多项突破：W3量化下任务成功率达92.7%，分别比AWQ和GPTQ高1.2和3.7个百分点；W2.5量化下成功率达70.5%。此外，该方法采用非对称W1.5配置时，可将模型压缩至完整版本的6.10倍，同时维持25.5%的任务成功率，展现了在极低比特率下的实用价值。

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。