SoloQ：扩散语言模型的免校准量化

扩散大语言模型（dLLM）通过双向扩散生成词元，成为自回归模型的潜在替代方案。然而，模型规模与推理成本使部署困难：全序列去噪重复执行高成本前向计算，块扩散还引入内存密集的KV缓存。低位权重与激活量化因而具有吸引力，但现有训练后量化依赖校准数据，而激活分布会随遮罩状态和去噪步骤变化。我们提出免校准框架SoloQ，将权重和激活映射到边缘分布可预测的归一化旋转基，实现不依赖数据的量化。它结合结构化K-RPBH旋转与轻量缩放修正，旋转后分布可同时支持匹配码本和硬件原生NVFP4。对于块扩散，在提交时量化KV缓存，压缩持久状态而不扰动正在去噪的块。在LLaDA、Dream等全序列模型和Fast-dLLM v2、Nemotron-Labs-Diffusion等块模型上，SoloQ保留4位量化准确率，在知识和推理基准优于有校准基线。NVFP4下峰值内存最多缩减2.61倍，端到端推理最多加速2.24倍。