待验证50% 置信事实精确时间
DAQ(Decision-Aligned Post-Training Quantization)是一种针对脉冲Transformer的训练后量化方法,通过校准量化器以对齐神经元放电决策。
1
来源数
50%
置信度
长期有效
时效性
2026/11/18
首次发现
来源
涉及实体
相关事实
待验证DAQ将量化器的校准目标从最小化数值误差转变为对齐放电决策,使量化后的神经元放电决策与浮点参考模型的放电决策尽可能一致。79% 相似待验证DAQ构建了一个目标函数,鼓励量化后的膜变量沿着量化模型自身的状态轨迹,保持在参考放电区域内,从而减少量化对脉冲发放模式的破坏。66% 相似待验证研究者提出了Dynamics-aware Token Merging(DaTMe),一种将token合并决策建立在扩散过程动力学之上的无需训练加速策略。64% 相似待验证有向无环图(DAG)能通过后门准则精确推导出控制混杂所需的最小变量集62% 相似已验证工作流本质上是有向无环图(DAG)结构的流程编排,适合处理步骤固定、逻辑可预测的确定性任务62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1182843API
curl https://kongchang.com/api/v1/knowledge/claims/1182843MCP
get_claim(id=1182843)