Fugu-MT 論文翻訳(概要): VQ-bench: A Composable Vector Quantization Framework

論文の概要: VQ-bench: A Composable Vector Quantization Framework

arxiv url: http://arxiv.org/abs/2608.11240v1
Date: Fri, 31 Jul 2026 15:24:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-17 01:32:04.592096
Title: VQ-bench: A Composable Vector Quantization Framework
Title（参考訳）: VQ-bench: 構成可能なベクトル量子化フレームワーク
Abstract要約: 本稿では,新しい量子化アルゴリズムの開発とベンチマークを行うための統一的なフレームワークを提供する。 7つの共通概念量子化プリミティブを記述し、それらを任意に構成する方法を示す。 VQ-benchをオープンソースとして公開し、さらに拡張し、再現可能なベンチマークを公開しています。
参考スコア（独自算出の注目度）: 1.0577954299884882
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Vector quantization is an old problem but has recently become central to AI infrastructure. It is therefore experiencing a surge of renewed engineering and research activity. This paper provides a unified framework for developing and benchmarking new quantization algorithms. We describe 7 common conceptual quantization primitives and show how to compose them arbitrarily. We then re-express 25 common quantizers as pipelines of these primitives. Finally, we publish VQ-bench as open-source to be extended further and make reproducible benchmarks publicly available.
Abstract（参考訳）: ベクトル量子化は古い問題だが、最近はAIインフラストラクチャーの中心になっている。そのため、新たな工学と研究活動が活発化している。本稿では,新しい量子化アルゴリズムの開発とベンチマークを行うための統一的なフレームワークを提供する。 7つの共通概念量子化プリミティブを記述し、それらを任意に構成する方法を示す。次に、これらのプリミティブのパイプラインとして、25の共通量子化器を再表現します。最後に、VQ-benchをオープンソースとして公開し、さらに拡張し、再現可能なベンチマークを公開します。

関連論文リスト

Learning Grouped Lattice Vector Quantizers for Low-Bit LLM Compression [57.54335545892155]
本稿では,各重みの群に独自の格子コードブックを割り当てるGLVQ(Grouped Lattice Vector Quantization)フレームワークを紹介する。提案手法は,既存のトレーニング後の量子化ベースラインと比較して,モデルサイズと精度のトレードオフが良好である。
論文参考訳（メタデータ） (2025-10-23T20:19:48Z)
XQ-GAN: An Open-source Image Tokenization Framework for Autoregressive Generation [54.2574228021317]
XQ-GANは画像再構成と生成の両方のために設計された画像トークン化フレームワークである。我々のフレームワークは、ベクトル量子化(VQ)、残留量子化(RQ)、マルチスケール残留量子化(MSVQ)、製品量子化(PQ)、バイナリ球面量子化(BSQ)など、最先端の量子化技術を統合する。標準の ImageNet 256x256 ベンチマークでは,本モデルが MAGVIT-v2 (0.9 rFID) と VAR (0.9 rFID) を大幅に上回り,0.64 の rFID を達成した。
論文参考訳（メタデータ） (2024-12-02T17:58:06Z)
On-Chip Hardware-Aware Quantization for Mixed Precision Neural Networks [52.97107229149988]
エッジデバイス上でハードウェア対応の混合精度量子化を行うOn-Chipハードウェア・アウェア量子化フレームワークを提案する。このパイプラインは、量子化プロセスが量子化演算子の実際のハードウェア効率を知覚することを可能にする。精度測定のために,マルチチップシナリオにおける演算子の精度への影響を効果的に推定するMask-Guided Quantization Estimation技術を提案する。
論文参考訳（メタデータ） (2023-09-05T04:39:34Z)
A CS guide to the quantum singular value transformation [8.280261095877783]
量子特異変換(QSVT)を導入した,[Gily'en, Su, Low, and Wiebe, STOC'19, arXiv:1806.01838] のいくつかの部分の簡易な展開を示す。 QSVTフレームワークは、量子アルゴリズムコミュニティからかなり最近の関心を集めている。
論文参考訳（メタデータ） (2023-02-28T05:37:44Z)
PrimeQA: The Prime Repository for State-of-the-Art Multilingual Question Answering Research and Development [24.022050096797606]
PRIMEQAは、QAの再調査を民主化し、最先端(SOTA)QAメソッドの複製を容易にすることを目的とした、ワンストップのQAレポジトリである。検索や読解といったコアQA機能と,質問生成などの補助機能をサポートする。フロントエンドアプリケーションの構築、pub-licベンチマーク上のSOTAメソッドの複製、既存のメソッドの拡張など、さまざまなユースケースのためのエンドツーエンドツールキットとして設計されている。
論文参考訳（メタデータ） (2023-01-23T20:43:26Z)
An open-source modular framework for quantum computing [0.0]
Qiboのバージョン0.1.7でリリースされたバックエンドの抽象化のためのモジュラーレイアウトを紹介します。本稿では、量子状態ベクトルシミュレーションのためのハードウェアアクセラレータに特に重点を置いて、バックエンド選択の利点について論じる。
論文参考訳（メタデータ） (2022-02-14T20:12:15Z)
MQBench: Towards Reproducible and Deployable Model Quantization Benchmark [53.12623958951738]
MQBenchは、モデル量子化アルゴリズムの評価、分析、およびデプロイ可能性のベンチマークを行う最初の試みである。我々は、CPU、GPU、ASIC、DSPを含む実世界のデプロイのための複数のプラットフォームを選択し、最先端の量子化アルゴリズムを評価する。包括的な分析を行い、直感的、直感的、あるいは反直感的な洞察を見出す。
論文参考訳（メタデータ） (2021-11-05T23:38:44Z)
Quantifying Qubit Magic Resource with Gottesman-Kitaev-Preskill Encoding [58.720142291102135]
我々は、ほとんどのフォールトトレラント量子コンピュータにおいて、魔法のリソース測度、探索特性を定義する。我々の定式化は、連続変数量子計算におけるボソニック符号、よく研究されたツールに基づいている。
論文参考訳（メタデータ） (2021-09-27T12:56:01Z)
Retrieving and Reading: A Comprehensive Survey on Open-domain Question Answering [62.88322725956294]
OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。 Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
論文参考訳（メタデータ） (2021-01-04T04:47:46Z)
Extractive Opinion Summarization in Quantized Transformer Spaces [52.95867345952894]
抽出的意見要約のための監視されていないシステムであるQuantized Transformer (QT)を提示する。 QTはVector-Quantized Variational Autoencodersにインスパイアされ、人気主導の要約に活用する。
論文参考訳（メタデータ） (2020-12-08T14:23:46Z)
QuASeR -- Quantum Accelerated De Novo DNA Sequence Reconstruction [2.4192504570921622]
提案するQuASeRは,レファレンスフリーなDNA配列再構成実装である。量子フルスタック加速器設計の様々な層について実装の詳細を述べる。
論文参考訳（メタデータ） (2020-04-10T15:46:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。