Talk预告 | ETH Zurich秦浩桐：扩展时代下的准确高效离散化

摘要：他与大家分享的主题是:“扩展时代下的准确高效离散化”，届时他将聚焦于用离散化迈向准确高效的人工智能系统，展示其在基于当前主流架构的传统模型和基础模型中的最新研究进展，并探讨如何基于离散化实现对人工智能系统在效率和准确率方面的协同优化。

本期为TechBeat人工智能社区第709期线上Talk。

北京时间8月14日(周四)20:00，瑞士苏黎世联邦理工学院 (ETH Zurich) 博后研究员秦浩桐的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “扩展时代下的准确高效离散化”，届时他将聚焦于用离散化迈向准确高效的人工智能系统，展示其在基于当前主流架构的传统模型和基础模型中的最新研究进展，并探讨如何基于离散化实现对人工智能系统在效率和准确率方面的协同优化。

Talk·信息

▼

主题：扩展时代下的准确高效离散化

嘉宾：瑞士苏黎世联邦理工学院(ETH Zurich) · 博后研究员 - 秦浩桐

时间：北京时间 8月14日(周四)20:00

地点：TechBeat人工智能社区

Talk·介绍▼

在大模型驱动的“扩展时代”，离散化作为提升人工智能系统效率的关键技术，正受到前所未有的关注。通过Quantization、Tokenization、Chain of Thought (CoT)等具体方法，离散化技术能显著优化深度模型的计算、存储、推理开销。然而，如何在“高效”与“精准”之间取得理想的平衡，便成为一个极具挑战性的前沿课题。

本次分享将聚焦于用离散化迈向准确高效的人工智能系统，展示其在基于当前主流架构的传统模型和基础模型中的最新研究进展，并探讨如何基于离散化实现对人工智能系统在效率和准确率方面的协同优化。我们的研究与实践表明，尽管仍存在挑战，离散化技术正凭借其持续提升的精度与广泛的应用前景，为实现下一代高效智能系统铺平道路。

Talk大纲

1. 现实世界与AI的离散化

2. 面向极致高效的极端1比特离散化

3. 面向准确表征的信息保持离散化

4. 面向广泛部署的生成式无数据离散化

5. 未来展望

Talk·预习资料

▼

论文链接：

Talk·提问交流

▼

在Talk界面下的 【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

▼

秦浩桐

瑞士苏黎世联邦理工学院 · 博后研究员

秦浩桐是苏黎世联邦理工学院项目式学习中心 (PBL) D-ITET 的博士后研究员，研究兴趣包括高效机器学习，包括深度模型压缩（例如二值化、量化和蒸馏）、高效生成模型（例如高效大型语言模型和扩散模型）、具身计算（例如机器人、自动驾驶）、低功耗嵌入式系统（例如微控制器的机器学习）等，在IEEE TPAMI, IJCV, ICML, NeurIPS, ICLR, CVPR等顶会顶刊发表论文60余篇（一作/通讯作者30余篇），其中顶会Oral/Spotlight、ESI 高被引7篇，谷歌学术引用2900余次，h指数23。提出首个1.1比特量化大模型BiLLM，受邀国际媒体IEEE Spectrum专题报道，被评价为“推动大模型压缩极限”、“可解决AI能源需求”。曾获2025 MLCommons机器学习与系统新星（全球38人）、2024世界人工智能大会 WAIC 云帆奖“明日之星”（全球15人）、2023 Electronic最佳博士论文（全球2人）等荣誉。他曾经担任 NeurIPS, ACM MM, AISTATS, BMVC等的领域主席，以及ICML, NeurIPS, ICLR, CVPR, ICCV, ECCV, IROS 等的程序委员会成员。

个人主页:

https://www.techbeat.net/grzytrkj?id=12473

-The End-