热点事件持续更新
首个面向LLM的ZK友好量化系统研究
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，arXiv cs.AI 刊出论文《ZK-LLM 下的比特：面向可验证隐私 LLM 推理的零知识友好量化评估》。报道称这是首个针对零知识（ZK）场景的量化系统性研究，评估覆盖 9 个语言模型，其中包括 Qwen2.5-14B 以及 MoE 架构的 Qwen3-30B-A3B。研究给出的主要结论是：激活精度比权重精度敏感得多，非线性的查找近似可能主导整体效用下降，其中 RMSNorm 的平方根倒数查找是多个大模型反复出现的瓶颈；此外，降低位宽或缩小查找表规模，并不必然带来成比例的端到端证明开销节省。报道未提及此前版本中的其他进展，暂无与早先说法冲突的数据。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
新论文发布，称首个ZK友好量化系统性评估，覆盖9个模型并指出激活精度更敏感。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.AIZK-LLM 下的比特：面向可验证隐私 LLM 推理的零知识友好量化评估
首个 ZK 友好量化系统性研究覆盖 9 个语言模型，含 Qwen2.5-14B 与 MoE 模型 Qwen3-30B-A3B。结果显示激活精度比权重精度敏感得多，非线性查找近似可主导效用下降，RMSNorm 平方根倒数查找是多个大模型的反复瓶颈。降低位宽或查找表规模并不必然带来成比例的端到端证明开销节省。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。