Tessera：跨架構 AI 知識傳輸協議

🔑 增強重點摘要

• •Tessera 支援跨異構設備的聯邦學習，允許 N 個本地訓練的邊緣設備將量化模型權杖貢獻回完整精度聚合器，使用 Huber 式餘弦裁剪處理量化噪聲[1]
• •該協議設計包含審計追蹤機制，符合歐盟 AI 法案要求，對醫療和工業邊緣模型部署具有合規意義[1]
• •Tessera 的行為模式（Mode B）傳輸決策邊界而非啟動或權重，使量化模型能複製輸入輸出映射，內部精度無關[1]

🛠️ 技術深入

• •啟動模式（Mode A）在表示層級運作，將源模型知識投影到 2048 維通用樞紐空間（Universal Hub Space），接收模型無需架構或精度匹配[1]
• •支援異構模型對：200M FP32 訓練模型和 5M INT8 邊緣模型均可配備 UHS 編碼器/解碼器[1]
• •行為模式（Mode B）傳輸決策邊界而非參數，教師和學生模型無需同時在線，透過樞紐空間解耦[1]
• •參考實作為 Python/PyTorch 庫（tessera-core），支援 CNN、Transformer 和 LSTM 架構對的正向轉移[1]
• •計劃開發量化感知轉移模塊，針對 Cortex-A INT8 工作負載優化[1]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線