南加州大学发布SoloQ免校准4比特量化框架

2026年10月12日，AGI Hunt 报道，南加州大学（USC）团队在 Hugging Face 发布免校准后训练量化框架 SoloQ，面向扩散大语言模型（dLLM）。据该报道，SoloQ 实现免校准的 4 比特量化，可使扩散语言模型的内存占用最高降低 2.61 倍。报道未进一步给出技术细节、评测数据或开源许可等信息，也未提及与早先报道存在出入。目前该事件仅有这一篇报道，尚无后续进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。