研究人员推出了一种新颖的 KV 缓存压缩策略 RIFT,旨在提高大型语言模型中投机解码的效率。RIFT 解决了“解码过时”的问题,即压缩方法在长输出生成过程中会失去相关性。通过平衡预填充信息和最近生成的 token,并采用自适应刷新策略,RIFT 在管理解码延迟的同时提高了草稿模型的质量。这种方法结合了可压缩性驱动的训练,使得 Qwen3.5-4B 模型能够为 Qwen3.5-122B 进行草稿,同时在大量输入和输出上保留超过 98% 的全缓存接受长度。 AI
影响 提高了大型语言模型中长上下文生成的效率和成本效益。
排序理由 该集群描述了一篇详细介绍 LLM 中 KV 缓存压缩新方法的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →