热点事件持续更新
AGQ：动作引导超低比特量化用于VLA模型
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv cs.CV 刊出 AGQ 研究，针对视觉-语言-动作（VLA）模型的超低比特量化问题，提出以动作敏感度和实测的权重恢复代价为依据，在给定存储预算下为各权重矩阵分配比特宽度。在 LIBERO 基准上，AGQ 在 W3 设置下任务成功率达 92.7%，分别比 AWQ、GPTQ 高 1.2 和 3.7 个百分点；在更低的 W2.5 设置下仍保持 70.5% 的成功率。报道未提及代码开源与第三方复现情况。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
AGQ 在 LIBERO 上 W3 达 92.7% 成功率，W2.5 仍有 70.5%。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CVAGQ：面向视觉-语言-动作模型的动作引导超低比特量化
AGQ 用动作敏感度与实测的权重恢复代价，在存储预算下为各矩阵分配比特宽度，实现面向视觉-语言-动作（VLA）模型的超低比特量化。在 LIBERO 上 W3 达 92.7% 任务成功率，较 AWQ、GPTQ 高 1.2 和 3.7 个百分点，W2.5 下保持 70.5%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。