热点事件持续更新
研究评估4位微缩放格式在可穿戴模型上的表现
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年11月4日，arXiv发布针对可穿戴动作识别模型的研究。研究人员在包含159,492个参数的可穿戴1D CNN模型上评估了4-bit微缩放格式，当权重与激活值均量化为4-bit时，NVFP4表现显著优于MXFP4。在全精度macro-F1基准为69.26%的测试中，NVFP4仅损失0.75个百分点，而MXFP4损失达5.14个百分点；在5折验证中，NVFP4持续领先MXFP4达3.49至4.40个百分点。消融实验进一步证实，缩放因子下取整是导致MXFP4精度损失的主要原因，改用上取整可挽回超过3个百分点的精度损失。
AI 根据报道生成 · 4 小时前更新
最新进展11月4日 13:00
研究显示4位量化下NVFP4精度远优于MXFP4，缩放因子取整是主因。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 机器学习4-Bit Microscaling 会给可穿戴动作识别模型带来多大精度损失？
针对 159,492 参数可穿戴 1D CNN 模型，权重与激活值均量化为 4-bit 时，NVFP4 仅损失 0.75 个百分点 macro-F1，远优于损失 5.14 点的 MXFP4。在 69.26% 全精度基准下，NVFP4 在 5 折验证中持续领先 MXFP4 达 3.49 至 4.40 点；消融实验证实缩放因子下取整是 MXFP4 损失主因，改用上取整可挽回超 3 个百分点。
本事件热度走势
当前热度 9·可比范围峰值 10（11月4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。