Locks

新的LOCKS方法显著降低了LLM长上下文解码延迟

研究人员开发了一种名为LOCKS（页面局部紧凑键摘要）的新方法，以提高大型语言模型长上下文解码的效率。该技术通过为每个上下文页面创建谱摘要来解决由键值（KV）缓存引起瓶颈，使模型能够仅关注最相关的页面。LOCKS在包括LongBench-v1、RULER、AIME26和MATH-500在内的各种基准测试中表现强劲，即使显著减少了对令牌的关注，也能保持高质量。该方法可作为vLLM的即插即用插件使用，可大幅降低解码延迟和KV缓存大小。