arXiv · cs.AI· Sara Abdali, Jongwoo Ko, Pashmina Cameron·· 1 天前
AttSVD：通过注意力引导SVD实现Prompt自适应低秩KV缓存压缩
AttSVD:Prompt-Adaptive Low-Rank KV Cache Compression via Attention-Guided SVD
arXiv:2610.06927v1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：Sara Abdali, Jongwoo Ko, Pashmina Cameron
研究任务与主要进展
研究者提出AttSVD，通过基于每个Prompt注意力几何的在线截断SVD压缩KV缓存，保留所有Token并沿特征维度降低存储开销。方法提供累积式和流式两种解码缓存策略，并通过能量规则与注意力感知基进行自适应截断；在多个模型、Agentic基准和完整LongBench套件上，摘要报告其表现与稠密缓存相当，KV缓存内存最高降至50%。
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