English(EN) Fixed State, Long Reach: What a Constant-Size Cache Buys Block Diffusion at Scale

块扩散模型通过Mamba架构实现恒定大小的缓存

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-14 04:00

一篇新的研究论文介绍了一种用于块扩散语言模型的新型缓存方法，该方法能够实现恒定大小的内存使用，而与上下文长度无关。这种方法，尤其是在基于Mamba的架构中效果显著，与传统的基于注意力的缓存相比，显著降低了延迟和内存需求。研究表明，这种恒定大小的缓存允许模型在更长的上下文长度下保持检索能力，而不会牺牲质量，从而在效率和吞吐量方面提供了实质性的改进。 AI

影响使扩散模型能够更有效地处理极长的上下文，可能提高性能并降低计算成本。

排序理由学术论文，详细介绍了LLM的新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 29 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了LLM的新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Vaibhav Singh, Pierre-Andr\'e No\"el, Torsten Scholak, Eugene Belilovsky, Oleksiy Ostapenko · 2026-09-14 04:00

固定状态，长距离：恒定大小缓存为 Block Diffusion 规模化带来了什么

arXiv:2609.11998v1 Announce Type: new Abstract: Diffusion language models decode tokens in parallel, but their bidirectional denoiser rules out the naive key--value (KV) cache behind fast autoregressive inference. Block diffusion restores caching by decoding block-by-block, and t…

本文如何被排名

报道来源 [1]

固定状态，长距离：恒定大小缓存为 Block Diffusion 规模化带来了什么

相关实体

相关话题