LittleBit实现亚1比特大模型压缩

LittleBit（NeurIPS 2025）通过将权重矩阵分解为低秩潜因子、二值化并用轻量学习尺度恢复幅度，实现每权重1.0至0.1比特的极端压缩，且推理时保持原架构。后续工作LittleBit-2（ICML 2026）引入Joint-ITQ初始化，仅改进初始化而不增加推理开销。

• 社区讨论：如何为顶会写好论文2026-10-14
• NeurIPS 2026悉尼站候补名单引关注2026-10-15
• ML博士生求助：工业界实习究竟看重什么2026-10-14
• NeurIPS巴黎前会征稿：科学建模的约束学习2026-10-12
• 研究者抱怨Google Scholar引用更新滞后2026-10-12