HuggingFace Daily Papers· Ofek Avivi, Eliron Rahimi, Avi Mendelson, Chaim Baskin·2026-10-22 04:00· 4 天前AI 评分35

T2Quant：扩散语言模型的任务与时间感知量化框架

Different Tasks, Different Timesteps: Temporal Task-Aware Quantization for Diffusion Language Models

AI 导读

T2Quant 通过任务和时间敏感的混合精度量化，在固定比特预算下提升扩散语言模型平均精度达6.7个百分点。该框架无需真实标签或任务特定评估指标即可预测量化敏感模式，在三个DLM和六个基准测试中优于现有方法。