Papers with Code 아카이브
Quantization
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 2
- 평가표
- 10
- 보존된 평가 기록
- 32
Quantization is a promising technique to reduce the computation cost of neural network training, which can replace high-cost floating-point numbers (e.g., float32) with low-cost fixed-point numbers (e.g., int8/int16).
Source: Adaptive Precision Training: Quantify Back Propagation in Neural Networks with Fixed-point Numbers
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
BitNest: 메모리 효율적인 대규모 언어 모델(LLM) 추론 가속을 위한 비트 중첩 추측 디코딩
GenomeOcean Anywhere: 게놈 MoE 모델을 위한 비공개 WebGPU 추론
CipherGenome: 유전체 전문가 혼합 모델을 위한 동형 추론
JARQ: 양자화를 위한 결합 교차 개선 기법
조 단위 규모 전문가 혼합 모델을 위한 하드웨어 네이티브 통합 희소-양자화
가산적 양자화 표현을 통한 밴딧
LLM 압축을 위한 능력 축소 스케일링 법칙
자기회귀 기상 모델의 사후 학습 양자화
오프로딩된 가중치에서 더 빠른 LLM 디코딩을 위한 가중치 근사 기반 활성화 희소성
MRVQ: 차원 및 비트 전송률에 탄력적인 벡터 검색을 위한 단일 상주 인덱스
VTBench: 자기회귀 이미지 생성을 위한 시각적 토크나이저 평가
손실 포인트 클라우드 속성 압축을 위한 변환 정렬 학습 특징
CHASE-VLA: 청크 인식 스케일 추정을 적용한 비전-언어-행동 모델용 사후 학습 양자화 프레임워크
고정된 시간 격자에 대한 재고: 주파수 분리 기반 모션 생성
로봇 안내견을 위한 경량 및 자원 효율적 인지
VisionMX: 비전 모델을 위한 마이크로스케일링 사후 학습 양자화 구현
ConQuR: LLM을 위한 최적화된 회전 기반 모서리 정렬 활성화 양자화
EfficientRollout: 강화학습 롤아웃을 위한 시스템 인식 자체 투기적 디코딩
LumoTree: 하이브리드 언어 모델을 위한 경로 병렬 투기적 검증
QATFactory: LLM의 양자화 인식 학습 및 증류를 위한 다목적 배포 정렬 프레임워크
MINCE: 소수 모델 몬테카를로 캘리브레이션을 통한 LLM 평가 데이터셋 축소
IBBench-Light: 외부 지시문에 대한 작업 조건부 응답의 쌍 평가
마이크로태스크 적격성 격차 측정: 상용 SLM은 언제 에이전트 하네스에 충분한가?
ShatterQuant: 시스톨릭 트랜스포머 하드웨어 가속기에서 블록 단위 혼합 정밀도를 통한 균일 정밀도의 한계 극복
행동이 아닌 공간 전략: LLM 기반 에이전트를 위한 도구로서의 벡터 양자화 측지선
MOMAT: 양자화된 LLM의 저전력 탈옥 방어를 위한 다중 지도 혼합 기법
ProtoFlow: 다변량 시계열 예측을 위한 프로토타입 유도 플로우 매칭
흑백의 이분법을 넘어: 그래프 기반 시맨틱 ID(GrIS)를 통한 시맨틱 및 협업 신호의 균형
멀티코어 엣지 가속기를 위한 조기 종료 신경망의 하드웨어-알고리즘 공동 최적화
구조적으로 이종인 특징을 위한 코드북 기반 교차 모달 지식 증류
질의 독립적 가변 비트율 시각 토큰 코딩
분류기 없는 유도를 활용한 디퓨전 활성화 양자화를 위한 결합 브랜치 공간 변환 부호화
MWOP: 효율적인 MLLM을 위한 모달리티 인지 너비 단위 연산 가지치기
하이브리드 RAG와 로컬 배포 대규모 언어 모델을 활용한 처리활동기록부(RoPA) 자동 추출
전이중 음성-음성 대화 모델의 적대적 강건성을 위한 심리음향 정렬 잠재 스무딩
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.