跳到正文
热点事件观察中

Chameleon 框架实现扩散模型动态格式量化

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

2026 年 11 月,研究人员 Arnab Sanyal 和 Sandeep Chinchali 提出 Chameleon 后训练量化(PTQ)框架。该框架将量化格式视为离散变量,不再固定单一精度,而是根据权重通道、激活层甚至时间步桶动态从 INT8、FP8 等集合中选择最优组合。 在 SDXL、PixArt-$\alpha$ 等模型测试中,该方法在所有位宽设置下均取得最佳 FID。相比 FP16,推理速度提升 1.09 倍且权重体积缩小 3 倍。目前论文为预印本,未提及同行评审状态或开源代码仓库。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. arXiv · 机器人与计算机视觉精选
    Chameleon:扩散模型高效量化中的动态格式适配器

    该论文提出 Chameleon 框架,将量化格式本身作为离散变量,按权重通道和激活层动态从 INT8、FP8 等集合中选择,而非固定单一格式。在 SDXL、PixArt-$\alpha$ 等模型上,该方法在所有位宽设置下均取得最佳 FID,推理速度较 FP16 提升 1.09 倍且权重体积缩小 3 倍。材料为预印本,未提及同行评审状态或开源代码仓库。

本事件热度走势

可比范围当前
3
可比范围峰值
711月18日 00:00
近 24 小时变化
-51%

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。