热点事件持续更新
研究人员提出端侧VLM压缩框架UniCompress
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年11月5日，arXiv发表关于端侧视觉语言模型（VLM）压缩框架UniCompress的研究成果。该框架旨在将多任务Multi-LoRA专家转换为单个无adapter紧凑模型，以面向边缘智能部署。实验以BF16精度的Qwen3-VL-4B为教师模型，构建了非对称INT2学生模型，成功将权重存储从8.9 GB压缩约76%至2.1 GB。在四个具身任务评测中，该模型的宏任务得分比GPTQ-INT2提升了34.3个百分点，与BF16教师模型的差距保持在0.9个百分点以内。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
UniCompress将多LoRA压缩为单个INT2模型，存储降76%且性能接近BF16教师模型。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv 人工智能UniCompress：将多 LoRA 专家压缩为面向边缘智能的单个紧凑模型
UniCompress 提出了一种将多任务 Multi-LoRA 专家转换为单个无 adapter 紧凑模型的部署框架。该方法以 BF16 Qwen3-VL-4B 为教师模型构建非对称 INT2 学生模型，将权重存储从 8.9 GB 压缩约 76% 至 2.1 GB。在四个具身任务上，其宏任务得分比 GPTQ-INT2 提升 34.3 个百分点，与 BF16 教师模型差距在 0.9 个百分点内。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。