Tag: Post-Training

All the papers with the tag "Post-Training".

• QuantX: A Framework for Hardware-Aware Quantization of Generative AI Workloads

  grok-3-latest

  Score: 0.58

  Published:2025年5月12日 at  at 13:13

  #LLM, #Quantization, #Hardware Awareness, #Post-Training, #Compression

  QuantX 提出了一种硬件感知的量化框架，通过针对权重分布差异和硬件约束设计多种量化策略，将大型语言模型和视觉语言模型量化到3比特，同时保持性能损失在6%以内，显著优于现有方法。

• Scalable Chain of Thoughts via Elastic Reasoning

  grok-3-latest

  Score: 0.69

  Published:2025年5月8日 at  at 15:01

  #LLM, #Reasoning, #Test Time Scaling, #Post-Training, #RLHF

  本文提出 Elastic Reasoning 框架，通过将推理分为思考和解决方案两阶段并结合预算约束训练，使大型推理模型在严格资源限制下仍能高效推理，同时降低训练成本并提升泛化能力。

• X-Reasoner: Towards Generalizable Reasoning Across Modalities and Domains

  grok-3-latest

  Score: 0.48

  Published:2025年5月6日 at  at 21:08

  #LLM, #Reasoning, #Multimodal, #Post-Training, #Generalization

  本文提出 X-REASONER，通过仅基于通用领域文本的两阶段后训练策略（SFT + RL），成功实现推理能力跨模态和跨领域泛化，并在多个通用和医学基准测试中超越现有 SOTA。

• Pack-PTQ: Advancing Post-training Quantization of Neural Networks by Pack-wise Reconstruction

  grok-3-latest

  Score: 0.48

  Published:2025年5月1日 at  at 02:53

  #Neural Network, #Quantization, #Post-Training, #Mixed Precision, #Cross-Block Dependency

  本文提出 Pack-PTQ 方法，通过 Hessian-guided 打包机制和包级混合精度量化策略，显著提升低比特后训练量化的性能，同时捕捉跨块依赖性。