热点事件持续更新
研究团队发布面向ZK-LLM的零知识友好量化系统评估
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，研究人员在arXiv发布面向可验证隐私推理的ZK-LLM友好量化系统评估研究。该项研究测试了Qwen2.5-14B及MoE模型Qwen3-30B-A3B等9个语言模型。实验发现，在ZK-LLM量化中，激活值精度比权重精度更为敏感，非线性查找表近似是导致模型效用下降的主因，且RMSNorm查找构成了主要瓶颈。研究同时表明，降低位宽并不必然按比例降低端到端证明开销，提出需采用算子感知的精度选择策略。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
研究人员发布面向ZK-LLM的量化评估，指出降低位宽不必然等比降低证明开销。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 人工智能ZK-LLM 下的量化评估：面向可验证隐私推理的零知识友好量化研究
研究人员系统评估了面向可验证隐私推理的 ZK-LLM 友好量化方案，测试了 Qwen2.5-14B 及 MoE 模型 Qwen3-30B-A3B 等 9 个语言模型。实验发现激活值精度比权重更敏感，非线性查找表近似是效用下降主因，且 RMSNorm 查找构成主要瓶颈。研究表明降低位宽并不必然按比例降低端到端证明开销，需采用算子感知的精度选择策略。
本事件热度走势
当前热度 9·可比范围峰值 9（9月30日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。