AttSVD：注意力引导的KV缓存低秩压缩
热点事件持续更新
AttSVD：注意力引导的KV缓存低秩压缩
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Sara Abdali 等人提出一种免训练的低秩 KV Cache 压缩方法 AttSVD，按每条提示词自身的注意力几何在线做截断 SVD，只保留注意力实际读取的方向，并把每个注意力头的持久 KV 显存按保留秩成比例削减。 目前该工作以论文形式发布于 arXiv（cs.LG），尚无跟进报道或第三方验证，实际压缩效果与推理性能影响仍未得到证实。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
AttSVD：基于注意力引导 SVD 的提示词自适应低秩 KV Cache 压缩报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LGAttSVD：基于注意力引导 SVD 的提示词自适应低秩 KV Cache 压缩
AttSVD 提出一种免训练的低秩 KV Cache 压缩方法，按每条提示词自身的注意力几何在线做截断 SVD，只保留注意力实际读取的方向，并把每个注意力头的持久 KV 显存按保留秩成比例削减。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。