PulseAugur
中
实时 13:00:46
English(EN) SketchSSM: Write to the Full State, Read from a Compact Sketch

SketchSSM 方法将 LLM 状态读取效率提升 10 倍

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的方法 SketchSSM，通过近似状态读取来提高混合注意力模型的效率。该技术通过缓冲键值来减少 KV 缓存的增长并实现更大的解码批次，同时仍能保持准确性。SketchSSM 在 NVIDIA B300 和 Nemotron 3 Super 等硬件上实现了显著的加速和更高的解码吞吐量，优于标准的 vLLM 基线。 AI

影响 该方法可以显著提高 LLM 的推理速度和吞吐量，从而支持更大的模型和更快的处理速度。

排序理由 这是一篇详细介绍改进 LLM 效率新方法的学术论文。[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 →

SketchSSM 方法将 LLM 状态读取效率提升 10 倍

本文如何被排名

Signal score
7 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是一篇详细介绍改进 LLM 效率新方法的学术论文。[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
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Omin Kwon, JoongWon Shin, Minseo Kim, Kurt Keutzer, Sehoon Kim, Jae W. Lee ·

    SketchSSM: 全状态写入，紧凑草图读取

    arXiv:2609.33051v2 Announce Type: replace Abstract: Hybrid-attention models replace most softmax attention layers with linear attention, reducing KV-cache growth and enabling larger decode batches where recurrent-state access becomes a major bottleneck. ReplaySSM amortizes state …

相关实体

相关话题