arXiv · cs.AI· Alessandro Beatini, Marco Maronese, Emanuele Rodolà·· 1 天前
AWT用激活感知预条件改进TT/TTN大语言模型压缩
Activation-Aware Weight Tensorization: A Calibration-Time Preconditioner for Tensor-Network LLM Compression
arXiv:2610.10085v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Alessandro Beatini, Marco Maronese, Emanuele Rodolà
首次提交：2026-10-07 21:48
研究任务与主要进展
研究者提出无需训练的激活感知权重张量化方法AWT，通过在TT/TTN分解前按激活分布对权重矩阵进行对角预条件，并在部署时加入输入侧逐元素缩放。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org