研究人员开发了一种名为 BeNice! 的新颖方法,以解决循环 AI 架构在推理过程中内存的限制。该技术实现了 KV 共享,其中后续处理阶段的键值缓存被重用于早期阶段,从而显著减少了内存增长。BeNice! 是一种训练后方法,它训练模型生成兼容的残差,同时保持质量,并且可以与其他节省内存的技术(如量化和高效注意力机制)结合使用。在模拟中,使用 BeNice! 的 KV 共享在长上下文推理的缓存命中率、吞吐量和延迟降低方面显示出显著的改进。 AI
影响 提高了循环 AI 架构中长上下文推理的效率,可能降低硬件成本并改善用户体验。
排序理由 该集群描述了 arXiv 论文中提出的一种用于提高 AI 模型推理效率的新颖方法。[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 →