ResQAdam：保留残差的量化感知训练优化器，状态内存降 74%
原文标题：ResQAdam: Residual-Preserving Adaptive Optimization for Memory-Efficient Quantization Aware Training
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。
研究提出 ResQAdam 优化器，针对量化感知训练（QAT）中 AdamW 双份 FP32 状态开销大的问题：仅保留单个 BF16 动量，只在主子空间 r×r 坐标上应用 Adam，并用残差归一化符号更新补足被投影丢弃的信息。在权重低至 2 比特的 QAT 场景下，优化器状态内存较 AdamW 降低 71%–74%，多数设置性能接近，吞吐下降不足 2%。
- 问题
- QAT 中 AdamW 双份 FP32 状态带来巨大内存开销。
- 方法
- 只保留单个 BF16 动量，Adam 仅作用于主子空间 r×r 坐标，并用残差归一化符号更新补回被投影丢弃的信息。
- 结果
- 权重低至 2 比特时优化器状态内存较 AdamW 降低 71%–74%，多数设置性能接近，吞吐下降不足 2%。
- 影响
- 低比特大模型训练的内存瓶颈被显著缓解，现有 QAT 流水线可低成本替换优化器。
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。