热点事件持续更新
研究团队提出脉冲神经网络混合精度量化框架
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月23日，研究人员在arXiv发布成果，提出一种用于视觉任务的脉冲神经网络（SNN）脉冲感知梯度混合精度量化框架。该框架利用一阶梯度信息自适应分配位宽，以避免二阶Hessian计算。在ImageNet数据集的ResNet-34评测中，该方法以4.78倍压缩比实现了73.30%的准确率；相较于HAWQ-V2，其内存消耗降低了2.31倍，位宽分配运行时间缩短了100倍。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
研究团队提出脉冲感知梯度混合精度量化框架，大幅缩短位宽分配耗时并降低内存。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 机器学习用于视觉任务的脉冲神经网络脉冲感知梯度混合精度量化
研究人员提出一种用于脉冲神经网络（SNN）的脉冲感知梯度混合精度量化框架，利用一阶梯度信息自适应分配位宽，以避免二阶 Hessian 计算。在 ImageNet 数据集的 ResNet-34 评测中，该方法以 4.78x 压缩比实现 73.30% 准确率，相较 HAWQ-V2 内存消耗降低 2.31x，位宽分配运行时间缩短 100x。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·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。