ProQuant：以专家质量优先压缩MoE超低比特量化
arXiv论文提出ProQuant，一种面向混合专家模型的仅权重训练后量化框架。PoP联合优化专家剪枝与比特分配，让高精度专家替代严重退化专家；RoCo用数学等价变换调整输入表征以降低路由漂移。摘要称其在多种生成任务上优于现有方法，但模型规模、具体指标、价格与国内可用性均未知。
要点
- PoP同时决定剪枝与比特宽度，用较高精度专家顶替严重退化专家并提高比特预算利用率。
- RoCo不直接微调路由器，而是通过等价变换调整RMSNorm相关输入表征，以补偿量化误差、减轻路由漂移。
- 论文仅定性称多种生成任务优于现有方法，实验数值、代码地址、价格和国内可用性均未知。
为什么值得看
混合专家模型虽稀疏激活，存储仍高；超低比特混合精度量化易低估跨层误差，直接微调路由还可能漂移且难泛化。
谁会受影响
面向研究或部署MoE大模型、希望在紧比特预算下保持生成质量的团队；作者与机构资料未提供。
今天就能怎么试
摘要称代码已公开，但链接、支持模型、参数与国内可用性均未知，无法据此复现，且未实测。
原始来源
1ProQuant: Preserving Expert Quality over Quantity in Ultra-Low-Bit Quantization of Mixture-of-Experts Models · arXiv cs.AI · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。