Nexus 系统通过新颖的 KV 缓存拼接增强代理 LLM 的效率

研究人员开发了 Nexus 系统，旨在通过优化代理大型语言模型 (LLM) 处理工具模式和 KV 缓存的方式来提高其效率。Nexus 将工具路由与模式预填充解耦，使用语义查找缓冲区来选择工具，即使在工具数量很多的情况下也能保持高准确性。此外，它还采用了一种深度自适应方法，将 KV 缓存块拼接（splicing）到实时上下文中，修复由旋转位置嵌入相位漂移引起的注意力损坏，以确保输出保真度。 AI

影响 这项研究可能带来更快、更高效的代理 LLM，提高它们处理具有众多工具的复杂任务的能力。

排序理由 该集群包含一篇详细介绍 LLM 新技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Apple Silicon
• Int8
• Model Context Protocol (MCP)
• Nexus
• P=256
• Qwen2.5-14B-Instruct Q4_K_M
• Rotary Position Embedding (RoPE)

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →