该文汇总了团队在稀疏量化与向量量化方面的研究：提出TimeVQVAE、Transformer-VQ、VQ-GNN、VQ-AR等模型，用于时间序列生成、高效注意力、图神经网络和自回归预测；并将2:4稀疏化、量化与知识蒸馏结合，压缩视觉Transformer和语言模型，实现最高63倍压缩，显著降低存储与FLOPs，精度近乎无损。

该文综述矢量量化研究进展，通过自适应量化、可微分凸优化、动态码本调整及稀疏量化等方法，在图像分类、重构与检索中提升精度并加速，将压缩网络性能损失降低40%至70%，近似向量操作提速逾10倍。