# SACQ تقلّص ذاكرة نموذج VLA بمقدار 4.83× عند 1.5 بت

> يقول فريق بحثي إن طريقة التكميم التي ابتكرها حافظت على نجاح المهام الروبوتية مع تقليص أوزان النموذج بدرجة كبيرة، واختبرها على GR00T N1.7 وLIBERO.

Oossa · 2026-11-02 · https://oossa.com/ar/sacq-shrinks-vla-model-memory-4-83-at-1-5-bits

قدّم باحثون SACQ، وهي طريقة لضغط أوزان نماذج الرؤية واللغة والفعل المستخدمة في التحكم بالروبوتات. وتُسنِد الطريقة مستويات دقة مختلفة استنادًا جزئيًا إلى أثر ضغط كل طبقة في الفعل النهائي للنموذج.

في اختبارات باستخدام GR00T N1.7، أفاد الفريق بتحقيق متوسط نجاح قدره 93.85% عبر أربع مجموعات من LIBERO، عند استخدام 1.5 بت لكل وزن لغوي/حركي، مع تقليص ذاكرة النموذج بمقدار 4.83 مرة. وهذه نتائج أوردتها ورقة على arXiv؛ فالملخص المقدّم لا يثبت تحققًا مستقلًا منها ولا يحدد عتاد التشغيل.

## الحقائق

- حقق GR00T N1.7 متوسط نجاح قدره 93.85% عبر أربع مجموعات من LIBERO عند استخدام 1.5 بت لكل وزن لغوي/حركي، وفقًا للباحثين.
- أفاد الباحثون بتقليص ذاكرة النموذج بمقدار 4.83×.

## لماذا يهم

قد يسهّل الضغط المعلن نشر نماذج التحكم بالروبوتات على منصات محدودة الذاكرة، لكن الملخص لا يحدد العتاد الذي يمكنه تشغيل SACQ، ولا يؤكد النتائج بصورة مستقلة.

## المصادر والمراجع

1. [SACQ: Structure-Aware Codebook Quantization for Ultra-Low-Bit Vision-Language-Action Models](https://arxiv.org/abs/2610.41408) – arXiv cs.CV, 2026-11-02

آخر تحديث: 2026-11-02