arXiv · cs.AI· Bahareh Nikpour, Hossein Rajabzadeh, Maryam Dialameh, Vahid Partovi Nia, Parsa Omidi·· 5 小时前
Kronecker Product Attention通过结构化因子分解实现最高10倍KV cache压缩
Kronecker Product Attention: Memory-Efficient KV Compression via Structured Factorization
arXiv:2610.12657v1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：Bahareh Nikpour, Hossein Rajabzadeh, Maryam Dialameh, Vahid Partovi Nia, Parsa Omidi
研究任务与主要进展
作者提出Kronecker Product Attention（KPA），通过将键值激活表示为紧凑、依赖token的矩阵因子Kronecker积之和，实现最高10倍KV cache压缩。
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