# SACQ сокращает память для VLA-моделей в 4,83 раза при 1,5 бита

> Исследователи утверждают, что их метод квантования сохранил успешность выполнения роботами задач при значительном уменьшении весов модели. Испытания проводились на GR00T N1.7 и LIBERO.

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

Исследователи представили SACQ — метод сжатия весов моделей «зрение — язык — действие», используемых для управления роботами. Точность представления для каждого слоя выбирается в том числе с учётом того, как его сжатие влияет на итоговые действия модели.

В испытаниях с GR00T N1.7 средний показатель успешного выполнения задач в четырёх наборах LIBERO составил, по данным команды, 93,85% при использовании 1,5 бита на каждый вес языковой/действующей части модели. При этом объём памяти для модели сократился в 4,83 раза. Это результаты, приведённые в статье на arXiv; представленный абстракт не подтверждает их независимую проверку и не указывает оборудование для запуска.

## Факты

- По данным исследователей, GR00T N1.7 показала средний успех 93,85% в четырёх наборах LIBERO при использовании 1,5 бита на каждый вес языковой/действующей части модели.
- Исследователи сообщают о сокращении объёма памяти для модели в 4,83 раза.

## Почему это важно

Для команд, которые хотят запускать модели управления роботами на устройствах с ограниченной памятью, заявленное сжатие может упростить развёртывание. Однако в абстракте не указано, на каком оборудовании можно запустить SACQ, и не подтверждена независимая проверка результатов.

## Источники и ссылки

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

Обновлено: 2026-11-02