HGA-Quant：ARVG模型免训练PTQ框架

2026年10月14日，arXiv Computer Vision 刊出由 Xinmeng Liu 等人提出的 HGA-Quant，一个面向自回归视觉生成（ARVG）模型的免训练后训练量化（PTQ）框架，由尾部感知有界初始化网格精炼（T-BGR）与由粗到细激活精度调度（CAPS）两部分组成，目标是降低 ARVG 模型的计算与内存开销。报道称，在 Infinity 上，该框架以 W4A5.6 的有效激活精度实现接近全精度的图像生成质量，而现有方法在 W4A6 下仍出现明显质量下降或表现不稳定。报道同时称代码已开源。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

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。