arXiv · cs.AI· Yuhao Liu, Salim Ullah, Akash Kumar·· 1 天前
GRAU：面向量化神经网络加速器的运行时可重构激活重量化单元
GRAU: A Generic Runtime-Reconfigurable Activation-Requantization Unit for Quantized Neural Network Accelerators
arXiv:2602.22352v3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：Yuhao Liu, Salim Ullah, Akash Kumar
研究任务与主要进展
研究提出GRAU，一种面向量化神经网络加速器的运行时可重构激活重量化单元，通过Power-of-Two斜率的分段线性拟合融合批归一化、非线性激活和重量化。基于论文摘要，GRAU支持混合精度量化及SiLU、GELU等非线性激活的运行时切换，并提供GRAU感知的开源训练工具链；相比多阈值单元，摘要报告LUT消耗减少约90%或更多。
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