On the Relationship between Model Quantization and Model Inversion Attacks
该论文研究模型量化与模型反演攻击（Model Inversion, MI）之间的定量关系，并据此提出一种兼顾隐私与效用的训练后量化方法。研究背景是：量化通过降低神经网络权重与激活的数值精度来压缩存储与计算开销，已在边缘与部署场景广泛使用；但
#post-training-quantization
共收录 2 条相关情报。
← 返回所有主题QuaSAR: Quantization Compensation via Stable Activation-Aware Rank Truncation
本文针对训练后量化（PTQ）中的残差补偿方法在低比特（W4A4）设置下失效的问题展开研究。现有无训练后量化方法通过闭式解进行残差补偿以恢复模型精度，并采用基于拟合优度的门控机制逐层筛选，仅保留补偿后残差拟合分数为正的层，以控制额外的存储开销