研究人员开发了 TriAxialKV,一种用于 KV 缓存的新颖混合精度量化方案,旨在优化代理式 LLM 推理。该方法根据时间相关性、模态和语义角色为每个 token 分配一个三轴标签,从而实现定制化压缩。在 OSWorld 基准测试中使用 Qwen3-VL-32B-Thinking 进行测试时,TriAxialKV 在 BF16 KV 缓存下达到了 SGLang 的准确率,同时 KV 缓存容量翻了两番,吞吐量提高了 30%。 AI
影响 这项研究可能显著降低运行大型语言模型进行代理式任务的计算成本,从而实现更复杂、更高效的 AI 应用。
排序理由 该集群包含一篇详细介绍 LLM 推理优化新颖技术方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- bfloat16
- graphics processing unit
- Hanzhang Shen
- Int4
- INTS2
- KV cache
- OSWorld
- Qwen3-VL-32B-Thinking
- SGLang
- TriAxialKV
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →