KV-Surgeon：补偿感知的KV缓存压缩方法
热点事件观察中
KV-Surgeon：补偿感知的KV缓存压缩方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Wagner 等作者提出 KV-Surgeon，一种补偿感知的离线 KV 缓存压缩方法：用校准数据刻画条目删除之间的非线性交互，并推导二次代理目标，以闭式表达式联合做出贪心删除决策与对剩余条目的补偿。 论文称，在 QuALITY、LongHealth 和 Long Code Arena 上，KV-Surgeon 在所有评估的压缩比率下都推进了 4B 到 30B 参数规模的稠密与混合专家模型的成本—精度 Pareto 前沿；在 50 倍压缩下，问答精度比当时最优的注意力匹配方法（Zweiger et al., 2026）最多提升 4 个点，成本相当。以上为作者声称的结果，基于论文摘要。
AI 根据报道生成 · 10 小时前更新
最新进展10月20日 12:00
KV-Surgeon提出补偿感知的离线KV-Cache压缩方法报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIKV-Surgeon提出补偿感知的离线KV-Cache压缩方法
作者提出KV-Surgeon，用校准数据处理KV-cache条目删除之间的非线性交互，并通过二次代理实现联合的贪心删除决策与剩余条目补偿。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- –
0246
06:0008:0010:0012:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。