本研究通过引入新的“配对完成”方法解决了自动化自然语言处理中的问题框架检测和量化的挑战。该方法基于大型语言模型的下一个标记日志概率，在大规模数据集中能够有效地识别问题框架，具有显著优势和重要的应用潜力。

本文提出了一种名为PTQ4DiT的后训练量化方法，用于解决Diffusion Transformers（DiTs）中的量化挑战。该方法通过CSB和SSC解决通道不平衡和时间变化问题，并通过离线重新参数化策略降低计算成本。该方法实现了对DiTs的有效量化到8位精度（W8A8），并首次实现了对4位权重精度（W4A8）的有效量化。