arXiv · cs.AI· Xianglong Yan, Zenan Wu, Kewei Zhang, Kaicheng Yang, Yulun Zhang·· 11 小时前
SAGE通过能量分组与自适应比特分配提升2比特大语言模型量化表现
SAGE: Pushing 2-Bit Vector-Quantized LLMs toward Real-World Usability
arXiv:2610.14745v1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：Xianglong Yan, Zenan Wu, Kewei Zhang, Kaicheng Yang, Yulun Zhang
研究任务与主要进展
SAGE是一种面向大语言模型2比特权重向量量化的方法，通过Energy-Stratified Grouping保护敏感权重通道，并用Adaptive Bit Split在固定码本预算下为每个权重矩阵分配方向码本与半径精度。
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