跳到正文
热点事件持续更新

Gemma 4 31B 全局 KV 缓存改为单行存储

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

Kushagra Bainsla 提交论文,提出在 vLLM 分页推理引擎中,针对 Gemma 4 31B 全局注意力层“value 即归一化 key 投影”的结构,只存一行 640 个值,由未改动的分页注意力内核通过两个重叠的跨步视图分别读取 key 与 value 缓存,从而节省全局 KV 显存。 作者称,在真实算术下该做法是精确的,输出与在标准缓存上模拟同一算术的结果逐位一致。但该运行时原型在相同批次下使 eager 步骤慢 4% 至 9%,且默认规模下尚不能与 8 位 KV 缓存叠加使用。

AI 根据报道生成 · 14 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv cs.CL
    Gemma 4 31B 的 K=V 缓存只存一份:vLLM 分页引擎中的全局 KV 显存节省

    针对 Gemma 4 31B 全局注意力层中 value 即归一化 key 投影的结构,该研究在 vLLM 原型中只存一行 640 个值,由未改动的分页注意力内核通过两个重叠的跨步视图分别读取 key 与 value 缓存。

本事件热度走势

可比范围当前
5
可比范围峰值
811月19日 22:00
近 24 小时变化
–

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。