FAIR-Calib: Frontier-bewusste Instabilitäts-Neuwichtung Kalibrierung für Post-Training-Quantisierung von Diffusion Large Language Models

arXiv:2606.06547v1 Ankündigungstyp: neu Abstract: Diffusion Large Language Models (dLLMs) verfeinern Tokens iterativ, schreiben sie aber unwiderruflich fest, was zu einer “Stabilitätsverzögerung” führt, bei der frühe Entscheidungen selbst nach dem Schreiben fragil bleiben. Wir zeigen, dass Post-Training-Quantisierung (PTQ) Fehler leicht auf