一种名为LoopVQ的新方法已被开发出来,用于压缩循环Transformer模型中的键值(KV)缓存。该技术将缓存大小减少到每元素0.5比特,这几乎可以将解码延迟减半,并将吞吐量提高高达6.1倍。 AI
影响 这项压缩技术有望显著提高大型语言模型的效率和速度,可能降低推理成本并支持更快的实时应用。
排序理由 该集群描述了一种压缩Transformer KV缓存的新方法,这是AI基础设施领域的一项研究进展。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →