arXiv 论文提出 OnQ：量化模型推理能力恢复新方法
原文标题：Right On Q: Recovering Reasoning under Quantization via Self-Generated Trajectories
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对低比特量化大模型长程推理能力退化问题，论文指出固定响应监督存在轨迹偏移与分布错配两大挑战。作者提出 OnQ 流水线，结合同策略蒸馏与候选级 Dynamic KL。在 Qwen3-1.7B/4B/8B 的 2 比特与 3 比特设置下取得九项基准最高均分，2 比特时 Qwen3-8B 平均提升 10.26 分。
- 问题
- 低比特量化大模型长程推理退化、无法在预算内终止。
- 方法
- 同策略蒸馏加候选级 Dynamic KL，在量化学生自生成前缀上接受全精度教师监督。
- 结果
- Qwen3-1.7B/4B/8B 的 2/3 比特设置下九项基准均分最高，2 比特 Qwen3-8B 平均提升 10.26 分。
- 影响
- 部署低比特量化模型时可直接恢复长程推理能力，降低推理成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
OnQ 用同策略蒸馏加候选级 Dynamic KL，2 比特 Qwen3-8B 九基准均分提升 10.26 分。
- •指出固定响应监督的两大问题：训练前缀与学生生成轨迹偏移、高熵前缀处分布错配
- •方法结合同策略蒸馏与候选级 Dynamic KL，按师生概率比加权正反向 KL
- •在 Qwen3-1.7B/4B/8B 的 2 比特与 3 比特设置下取得九项基准最高均分
- •2 比特时 Qwen3-8B 平均提升 10.26 分，长程推理基准增益最大
为什么重要：低比特量化模型常在长程推理上提前终止，OnQ 说明恢复重点在于训练前缀与学生自身分布对齐，而非单纯模仿全精度输出。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。