ICLR

LeanQuant: Accurate and Scalable Large Language Model Quantization with Loss-error-aware Grid

LeanQuant: 一种准确且可扩展的大型语言模型量化方法，具有损失误差感知的网格

Tianyi Zhang, Anshumali Shrivastava

机构 * Dept. of Computer Science, Rice University（计算机科学系， Rice大学） ； ThirdAI Corp.（ThirdAI公司） ； Ken Kennedy Institute（肯尼迪研究所） 纠错

AI总结 LeanQuant通过学习损失误差感知的网格，实现了准确且可扩展的大型语言模型量化，适用于多种量化类型并兼容更多框架。

Comments Published in ICLR 2025

AnomalyCLIP: Object-agnostic Prompt Learning for Zero-shot Anomaly Detection

AnomalyCLIP：面向零样本异常检测的对象无关提示学习

Qihang Zhou, Guansong Pang, Yu Tian, Shibo He, Jiming Chen

机构 * Zhejiang University（浙江大学） ； Singapore Management University（新加坡管理学院） ； Harvard University（哈佛大学） 纠错

AI总结 AnomalyCLIP通过学习对象无关的文本提示，实现跨不同领域的零样本异常检测，提升异常识别的泛化能力。

Comments Accepted by ICLR 2024