본 논문은 비전 Mamba 기반 모델(VMM)을 위한 최초의 데이터 프리 후처리 양자화(DFQ) 방법인 OuroMamba를 제시합니다. OuroMamba는 VMM의 재귀적 상태 전이로 인한 장거리 상호작용 포착의 어려움과 동적 이상치 변동 문제에 대응하기 위해, 의미 있는 합성 데이터를 생성하는 OuroMamba-Gen과 혼합 정밀도 양자화를 사용하는 OuroMamba-Quant의 2단계 프레임워크를 제안합니다. OuroMamba는 패치 레벨의 VMM 특징에 대비 학습을 적용하고, 매 타임스텝마다 갱신되는 활성화 채널 선택 전략을 사용하여 기존 데이터 기반 PTQ 기술보다 우수한 성능을 달성합니다.