热点事件持续更新
NUS 提出免训练 2-bit KV cache 量化框架
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026 年 10 月 6 日报道，新加坡国立大学（NUS）提出免训练量化框架 QuantWM，用于视频世界模型的 KV cache 压缩，最高可实现 6.20 倍压缩。报道指出，现有 2-bit KV cache 量化方法在 VBench 上近乎无损，但直接用于视频世界模型会引发严重的时序闪烁；其原因是 Key 的扰动会改变 attention logits，从而挪动 Query 所选择的时空 token。QuantWM 即针对这一失效模式提出，以在免训练前提下完成视频世界模型的 KV cache 量化压缩。
AI 根据报道生成 · 1 小时前更新
最新进展10月6日 01:17
NUS 提出免训练框架 QuantWM，视频世界模型 KV cache 最高压缩 6.20 倍，缓解时序闪烁。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- AGI HuntQuantWM：免训练 2-bit KV cache 量化，视频世界模型压缩 6.2 倍
新加坡国立大学提出免训练量化框架 QuantWM，视频世界模型 KV cache 最高压缩 6.20 倍。现有 2-bit KV cache 量化在 VBench 上近乎无损，但用于视频世界模型会引发严重时序闪烁，因为 Key 扰动会改变 attention logits 并挪动 Query 选中的时空 token。
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。