Skip to content
Hot eventLive

VisionMX：视觉模型微缩放后训练量化方法

1 reports1 sources16 hr ago updated

Get the story

AI overview

2026年10月5日，arXiv（Computer Vision，一手来源）发布 VisionMX 方法。这是一种面向视觉模型的后训练 MX 量化方法，通过优化有界权重舍入，并对激活施加可折叠仿射校正来提升精度。研究识别出直接转换的三类误差来源：块级缩放表示、小型卷积权重张量与非均匀元素网格的对齐不佳，以及非负激活未充分利用有符号编码。实验覆盖图像分类、目标检测、语义分割和低光图像增强任务，VisionMX 优于直接转换及所评估的后训练量化基线，在对 MX 转换最敏感的架构上恢复幅度最大。目前未见更早或相互矛盾的报道。

Generated from reports · updated 16 hr ago

LatestOct 5
arXiv 发布 VisionMX，称其在四类视觉任务上优于直接转换及所评估的 PTQ 基线。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Computer Vision
    VisionMX：解锁视觉模型的微缩放后训练量化

    VisionMX 是一种面向视觉模型的后训练 MX 量化方法，通过优化有界权重舍入并对激活施加可折叠仿射校正来提升精度。研究识别出直接转换的三类误差来源：块级缩放表示、小型卷积权重张量与非均匀元素网格的对齐不佳，以及非负激活未充分利用有符号编码。在图像分类、目标检测、语义分割和低光图像增强任务上，VisionMX 优于直接转换及所评估的后训练量化基线，在对 MX 转换最敏感的架构上恢复幅度最大。

Heat trend

Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.