arXiv · cs.AI· Junyoung Park, Jungwook Choi, Mingu Lee·· 1 天前
ValueDiff：面向注意力汇较弱大语言模型的值几何 KV 缓存淘汰
ValueDiff: Value-Geometric KV Cache Eviction for Sink-Suppressed LLMs
arXiv:2609.23314v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Junyoung Park, Jungwook Choi, Mingu Lee
研究任务与主要进展
ValueDiff 根据 token 值向量相对缓存均值的 L2 偏差进行 KV 缓存淘汰，面向注意力汇较弱的大语言模型。基于论文摘要，在 2k token 缓存预算下，该方法在七个模型中保留 88% 至 99% 的密集注意力性能；在 LongBench 4k 预算下平均保留率为 92%，高于最强既有基线的 83%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org