正交RNN量化方法QORNN研究进展

2026年10月26日，arXiv Artificial Intelligence 刊出 Armand Foucault 等人的研究，提出并研究正交循环神经网络的量化方法 QORNN。该研究通过量化感知训练（QAT）结合正交投影的两种策略，学习量化后的近似正交 RNN 权重矩阵，并研究激活值的训练后量化，以实现循环环路的纯整数计算。报道称，最有效的全量化模型是目前唯一能求解 1000 时间步 Copy-task 的方案，在 permuted MNIST 及部分 IoT 任务等长程依赖任务上超过现有量化模型，但在 LSTM 等门控 RNN 更擅长的任务上表现较弱。目前该事件仅有这一篇主报道，尚无后续跟进报道，研究结论与效果仍以该来源表述为准。

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。