arXiv · cs.AI· Juan Amboage, Pablo Monteagudo-Lago, Ian Colbert, Giuseppe Franco, Nicholas Fraser·· 2 天前
PiSO：通过分段尺度优化改进大语言模型训练后量化
Optimal Post-Training Quantization Scales and Where to Find Them
arXiv:2606.10890v2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：Juan Amboage, Pablo Monteagudo-Lago, Ian Colbert, Giuseppe Franco, Nicholas Fraser
研究任务与主要进展
作者提出PiSO（Piecewise Scale Optimization），利用量化输出重建误差关于尺度呈分段二次的性質，通过校准数据高效选择通道级尺度，以任意精度获得全局最优输出重建误差，并将其扩展到组级量化。
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