提出SpikeQ：面向SNN的脉冲引导训练后量化框架

Kai Sun 等论文作者发布 arXiv 论文（arXiv:2610.23046v1，基于论文摘要），提出面向脉冲神经网络（SNN）的训练后量化（PTQ）框架 SpikeQ。该方法以下游神经元的脉冲错误指导权重量化，并针对发放前膜电位设计将阈值置于舍入边界的复位感知网格。 论文称在七个图像分类、语义分割和目标检测基准上评估：权重与激活均为 4 比特时，模型精度与全精度相差不超过 2.59 个百分点，内存占用缩小 7.8–7.9 倍，能耗降低 6.4–6.9 倍。以上数字为作者报告的结果，材料未说明是否经独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。