Value-Only Cache

无键注意力机制将 Transformer KV 缓存内存减少 50%

研究人员推出了一种名为 Keyless Attention 的新颖机制，旨在提高 Transformer 架构的效率。该方法用专用的值空间路由投影取代了传统的键投影，消除了注意力计算中对键表示的需求。由此产生的仅值缓存可以将 KV 缓存内存和访问开销减少多达 50%，从而提高解码吞吐量。在各种模型和架构上的实验表明，Keyless Attention 在困惑度方面可媲美或超越标准的 QKV 注意力，并在下游任务上取得了有竞争力的性能。