T2Quant框架：提升扩散语言模型量化精度

2026年10月23日，研究人员发布预印本，提出T2Quant框架。该框架专为解决扩散语言模型（DLMs）的量化挑战而设计，是一种任务与时间感知的混合精度量化框架。 T2Quant利用无标签敏感度信号，在固定位宽预算下优化去噪步骤中的激活精度分配。这种机制旨在更精准地匹配不同任务和时间步的需求。 实验结果显示，在3个扩散语言模型和6个基准测试中，T2Quant在相同预算下将平均准确率提升了高达6.7个百分点。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。