Quantize by Drift：无标签混合精度文本嵌入量化论文

2026年10月8日，arXiv（Information Retrieval，一手来源）发表论文，提出名为 Quantize by Drift 的方法，面向文本嵌入模型的混合精度训练后量化。该方法以量化导致的表示漂移作为无标签敏感度信号，在硬性 packed-byte 预算下，通过单一加法分配完成精度分配，无需相关性标签，也无需搜索过程。论文针对的是文本嵌入模型在量化后精度与存储开销之间的平衡问题。目前公开信息仅包含该论文摘要与方法描述，尚未见后续实验复现、代码开源或同行评议进展的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。