English(EN) BitDecoding-FP4: Native FP4 KV Cache Decoding via Algorithm-System Co-Design

新的BitDecoding-FP4方法通过FP4 KV缓存提升LLM服务吞吐量

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-09 05:00

研究人员开发了BitDecoding-FP4，这是一种新颖的算法-系统协同设计，用于大型语言模型中高效准确的原生FP4 KV缓存解码。该方法通过引入双残差查询量化和欠流感知概率缩放等技术，解决了现有FP4 KV系统相关的准确性下降和吞吐量下降问题。该系统还通过消除softmax瓶颈并融合分页KV缓存上的操作来优化解码吞吐量。在NVIDIA B300上使用Qwen3模型的基准测试表明，BitDecoding-FP4在提供2.4-3.0倍更高的服务吞吐量的同时，实现了接近BF16 KV的准确性。 AI

影响这项研究可能显著降低大型语言模型服务的计算成本并提高其速度，从而使其更加易于访问和高效。

排序理由这是一篇研究论文，详细介绍了一种新的算法和系统协同设计，用于提高LLM推理效率。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇研究论文，详细介绍了一种新的算法和系统协同设计，用于提高LLM推理效率。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: infra, paper; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Dayou Du, Woon Yee Ng, Guangming Sheng, Nick Lau, Jianyi Cheng, Luo Mai · 2026-11-09 05:00

BitDecoding-FP4：通过算法-系统协同设计实现原生FP4 KV缓存解码

arXiv:2611.09825v1 Announce Type: cross Abstract: The key-value (KV) cache dominates memory capacity and bandwidth in long-context LLM serving. While 4-bit microscaling formats (NVFP4, MXFP4) shrink the cache and run attention on FP4 Tensor Cores, a fundamental gap remains betwee…

本文如何被排名

报道来源 [1]

BitDecoding-FP4：通过算法-系统协同设计实现原生FP4 KV缓存解码

相关实体

相关话题