研究人员开发了LoopVQ,一种用于循环Transformer中键值(KV)缓存的新型量化方法。这种跨多个步骤重用层的架构由于其KV缓存大小而面临内存瓶颈。LoopVQ通过联合编码来自多个循环步骤的通道并微调码本来解决这个问题,实现了显著的内存减少和性能提升。当在SGLang中使用Ouro和Huginn模型实现时,LoopVQ几乎将解码延迟减半,并大幅提高了峰值服务吞吐量。 AI
影响 LoopVQ的KV缓存优化可以显著提高循环Transformer模型的效率和可扩展性,可能降低推理成本并提高服务吞吐量。
排序理由 该条目描述了一篇详细介绍优化Transformer模型新方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →