跳到正文
热点事件持续更新

NariQ 实现 Qwen3.8-27B 亚 3-bit 量化

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

NariQ 提出一种面向长程智能体任务的亚 3-bit 量化方法,针对 Qwen3.8-27B 模型实现量化压缩。该方法利用智能体会话生成 Token 进行校准,有效解决了短文本量化在 100K 上下文场景下导致的性能损失问题。 在 DeepSWE 等长程智能体基准测试中,NariQ 量化后的模型性能与 BF16 基线对齐。作者已开源 Qwen3.8-27B-NariQ-GGUF 文件,并通过特定分支提供推理支持。

AI 根据报道生成 · 14 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    NariQ:面向长程智能体任务的亚 3-bit 量化方法

    NariQ 通过轨迹编码实现 Qwen3.8-27B 亚 3-bit 量化,在 DeepSWE 等长程智能体基准上性能对齐 BF16。 该方法利用智能体会话生成 Token 进行校准,解决了短文本量化在 100K 上下文场景下的性能损失。 作者开源了 Qwen3.8-27B-NariQ-GGUF 文件,并通过特定分支提供推理支持。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 16:00
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。