NariQ 实现 Qwen3.8-27B 亚 3-bit 量化
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
最新进展11月20日 13:00
NariQ:面向长程智能体任务的亚 3-bit 量化方法报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · MLNariQ: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
- –
02.557.510
18:0021:0011月21日03:00
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。