研究人员开发了 MoEZip,一种专为稀疏专家混合(MoE)语言模型设计的新型 KV 缓存压缩技术。与可能通过改变专家选择而降低 MoE 性能的现有方法不同,MoEZip 采用了路由感知评分。该方法使用基于路由分布的 Fisher 信息矩阵的度量来估计专家选择对 KV 缓存逐出的敏感性。实验表明,在激进的压缩级别下,MoEZip 在 LongBench 和 RULER 等基准测试中的表现显著优于以前的最先进方法。 AI
影响 在长上下文推理期间提高稀疏 MoE 模型的效率和性能。
排序理由 详细介绍 LLM 推理优化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →