ShamAN-Q：面向亚 1 比特 LLM 权重的量化方法
原文标题：ShamAN-Q: Shampoo Augmented NanoQuant for Sub-1-bit LLM Weights
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。
论文提出 ShamAN-Q，一种亚 1 比特训练后量化方法，扩展 NanoQuant，用可处理的稠密曲率度量替代对角重构几何，借鉴 Shampoo 优化器范式。在 Qwen3-Base 上，约 1 bpw 时 WikiText-2 困惑度显著下降，0.6B 模型在约 0.8 bpw 即可匹配 NanoQuant 约 1.0 bpw 的困惑度，同时零样本准确率持平或提升。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ShamAN-Q把LLM量化压到约1bpw，Qwen3-0.6B的WikiText-2困惑度从27.56降至22.96。
- •ShamAN-Q是亚1比特训练后量化方法，扩展NanoQuant，用稠密曲率度量替代对角重构几何，借鉴Shampoo优化器范式
- •对每个线性权重，通过KL最小化把Kronecker积拟合到小校准集的经验Fisher信息矩阵，形成Mahalanobis重构损失
- •NanoQuant的连续ADMM更新变为Sylvester方程的解，离散投影与部署格式保持不变
- •Qwen3-Base上约1bpw时WikiText-2困惑度：0.6B从27.56降至22.96，1.7B从19.21降至16.72，4B从14.29降至13.80
- •0.6B模型在约0.8bpw即可匹配NanoQuant约1.0bpw的已发布困惑度，零样本准确率持平或提升
为什么重要：亚1比特量化直接决定大模型在端侧与低显存场景的可部署性，该工作在更低比特下同时改善困惑度与零样本表现，对压缩部署路线有直接参考价值。
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
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。